JavaScript 字符串

目錄

定義

字符串就是零個或多個排在一起的字符，放在單引號或雙引號之中。

'abc'
"abc"

單引號字符串的內(nèi)部，可以使用雙引號。雙引號字符串的內(nèi)部，可以使用單引號。

'key = "value"'
"It's a long journey"

上面兩個都是合法的字符串。

如果要在單引號字符串的內(nèi)部，使用單引號（或者在雙引號字符串的內(nèi)部，使用雙引號），就必須在內(nèi)部的單引號（或者雙引號）前面加上反斜杠，用來轉(zhuǎn)義。

'Did she say \'Hello\'?'
// "Did she say 'Hello'?"

"Did she say \"Hello\"?"
// "Did she say "Hello"?"

由于HTML語言的屬性值使用雙引號，所以很多項目約定JavaScript語言的字符串只使用單引號，本教程就遵守這個約定。當(dāng)然，只使用雙引號也完全可以。重要的是，堅持使用一種風(fēng)格，不要兩種風(fēng)格混合。

字符串默認(rèn)只能寫在一行內(nèi)，分成多行將會報錯。

'a
b
c'
// SyntaxError: Unexpected token ILLEGAL

上面代碼將一個字符串分成三行，JavaScript就會報錯。

如果長字符串必須分成多行，可以在每一行的尾部使用反斜杠。

var longString = "Long \
long \
long \
string";

longString
// "Long long long string"

上面代碼表示，加了反斜杠以后，原來寫在一行的字符串，可以分成多行書寫。但是，輸出的時候還是單行，效果與寫在同一行完全一樣。注意，反斜杠的后面必須是換行符，而不能有其他字符（比如空格），否則會報錯。

連接運算符（+）可以連接多個單行字符串，將長字符串拆成多行書寫，輸出的時候也是單行。

var longString = 'Long '
  + 'long '
  + 'long '
  + 'string';

如果想輸出多行字符串，有一種利用多行注釋的變通方法。

(function () { /*
line 1
line 2
line 3
*/}).toString().split('\n').slice(1, -1).join('\n')
// "line 1
// line 2
// line 3"

上面的例子中，輸出的字符串就是多行。

轉(zhuǎn)義

反斜杠（\）在字符串內(nèi)有特殊含義，用來表示一些特殊字符，所以又稱為轉(zhuǎn)義符。

需要用反斜杠轉(zhuǎn)義的特殊字符，主要有下面這些：

• \0 null（\u0000）
• \b 后退鍵（\u0008）
• \f 換頁符（\u000C）
• \n 換行符（\u000A）
• \r 回車鍵（\u000D）
• \t 制表符（\u0009）
• \v 垂直制表符（\u000B）
• \' 單引號（\u0027）
• \" 雙引號（\u0022）
• \ 反斜杠（\u005C）

上面這些字符前面加上反斜杠，都表示特殊含義。

console.log('1\n2')
// 1
// 2

上面代碼中，\n表示換行，輸出的時候就分成了兩行。

反斜杠還有三種特殊用法。

（1）\HHH

反斜杠后面緊跟三個八進(jìn)制數(shù)（000到377），代表一個字符。HHH對應(yīng)該字符的Unicode碼點，比如\251表示版權(quán)符號。顯然，這種方法只能輸出256種字符。

（2）\xHH

\x后面緊跟兩個十六進(jìn)制數(shù)（00到FF），代表一個字符。HH對應(yīng)該字符的Unicode碼點，比如\xA9表示版權(quán)符號。這種方法也只能輸出256種字符。

（3）\uXXXX

\u后面緊跟四個十六進(jìn)制數(shù)（0000到FFFF），代表一個字符。HHHH對應(yīng)該字符的Unicode碼點，比如\u00A9表示版權(quán)符號。

下面是這三種字符特殊寫法的例子。

'\251' // "?"
'\xA9' // "?"
'\u00A9' // "?"

'\172' === 'z' // true
'\x7A' === 'z' // true
'\u007A' === 'z' // true

如果在非特殊字符前面使用反斜杠，則反斜杠會被省略。

'\a'
// "a"

上面代碼中，a是一個正常字符，前面加反斜杠沒有特殊含義，反斜杠會被自動省略。

如果字符串的正常內(nèi)容之中，需要包含反斜杠，則反斜杠前面需要再加一個反斜杠，用來對自身轉(zhuǎn)義。

"Prev \\ Next"
// "Prev \ Next"

字符串與數(shù)組

字符串可以被視為字符數(shù)組，因此可以使用數(shù)組的方括號運算符，用來返回某個位置的字符（位置編號從0開始）。

var s = 'hello';
s[0] // "h"
s[1] // "e"
s[4] // "o"

// 直接對字符串使用方括號運算符
'hello'[1] // "e"

如果方括號中的數(shù)字超過字符串的長度，或者方括號中根本不是數(shù)字，則返回undefined。

'abc'[3] // undefined
'abc'[-1] // undefined
'abc'['x'] // undefined

但是，字符串與數(shù)組的相似性僅此而已。實際上，無法改變字符串之中的單個字符。

var s = 'hello';

delete s[0];
s // "hello"

s[1] = 'a';
s // "hello"

s[5] = '!';
s // "hello"

上面代碼表示，字符串內(nèi)部的單個字符無法改變和增刪，這些操作會默默地失敗。

字符串也無法直接使用數(shù)組的方法，必須通過call方法間接使用。

var s = 'hello';

s.join(' ') // TypeError: s.join is not a function

Array.prototype.join.call(s, ' ') // "h e l l o"

上面代碼中，如果直接對字符串使用數(shù)組的join方法，會報錯不存在該方法。但是，可以通過call方法，間接對字符串使用join方法。

不過，由于字符串是只讀的，那些會改變原數(shù)組的方法，比如push()、sort()、reverse()、splice()都對字符串無效，只有將字符串顯式轉(zhuǎn)為數(shù)組后才能使用，參見《標(biāo)準(zhǔn)庫》一章的數(shù)組部分。

length屬性

length屬性返回字符串的長度，該屬性也是無法改變的。

var s = 'hello';
s.length // 5

s.length = 3;
s.length // 5

s.length = 7;
s.length // 5

上面代碼表示字符串的length屬性無法改變，但是不會報錯。

JavaScript使用Unicode字符集。也就是說，在JavaScript引擎內(nèi)部，所有字符都用Unicode表示。

JavaScript不僅以Unicode儲存字符，還允許直接在程序中使用Unicode編號表示字符，即將字符寫成\uxxxx的形式，其中xxxx代表該字符的Unicode編碼。比如，\u00A9代表版權(quán)符號。

var s = '\u00A9';
s // "?"

解析代碼的時候，JavaScript會自動識別一個字符是字面形式表示，還是Unicode形式表示。輸出給用戶的時候，所有字符都會轉(zhuǎn)成字面形式。

var f\u006F\u006F = 'abc';
foo // "abc"

上面代碼中，第一行的變量名foo是Unicode形式表示，第二行是字面形式表示。JavaScript會自動識別。

我們還需要知道，每個字符在JavaScript內(nèi)部都是以16位（即2個字節(jié)）的UTF-16格式儲存。也就是說，JavaScript的單位字符長度固定為16位長度，即2個字節(jié)。

但是，UTF-16有兩種長度：對于U+0000到U+FFFF之間的字符，長度為16位（即2個字節(jié)）；對于U+10000到U+10FFFF之間的字符，長度為32位（即4個字節(jié)），而且前兩個字節(jié)在0xD800到0xDBFF之間，后兩個字節(jié)在0xDC00到0xDFFF之間。舉例來說，U+1D306對應(yīng)的字符為????，它寫成UTF-16就是0xD834 0xDF06。瀏覽器會正確將這四個字節(jié)識別為一個字符，但是JavaScript內(nèi)部的字符長度總是固定為16位，會把這四個字節(jié)視為兩個字符。

var s = '\uD834\uDF06';

s // "????"
s.length // 2
/^.$/.test(s) // false
s.charAt(0) // ""
s.charAt(1) // ""
s.charCodeAt(0) // 55348
s.charCodeAt(1) // 57094

上面代碼說明，對于于U+10000到U+10FFFF之間的字符，JavaScript總是視為兩個字符（字符的length屬性為2），用來匹配單個字符的正則表達(dá)式會失?。↗avaScript認(rèn)為這里不止一個字符），charAt方法無法返回單個字符，charCodeAt方法返回每個字節(jié)對應(yīng)的十進(jìn)制值。

所以處理的時候，必須把這一點考慮在內(nèi)。對于4個字節(jié)的Unicode字符，假定C是字符的Unicode編號，H是前兩個字節(jié)，L是后兩個字節(jié)，則它們之間的換算關(guān)系如下。

// 將大于U+FFFF的字符，從Unicode轉(zhuǎn)為UTF-16
H = Math.floor((C - 0x10000) / 0x400) + 0xD800
L = (C - 0x10000) % 0x400 + 0xDC00

// 將大于U+FFFF的字符，從UTF-16轉(zhuǎn)為Unicode
C = (H - 0xD800) * 0x400 + L - 0xDC00 + 0x10000

下面的正則表達(dá)式可以識別所有UTF-16字符。

([\0-\uD7FF\uE000-\uFFFF]|[\uD800-\uDBFF][\uDC00-\uDFFF])

由于JavaScript引擎（嚴(yán)格說是ES5規(guī)格）不能自動識別輔助平面（編號大于0xFFFF）的Unicode字符，導(dǎo)致所有字符串處理函數(shù)遇到這類字符，都會產(chǎn)生錯誤的結(jié)果（詳見《標(biāo)準(zhǔn)庫》一章的String對象章節(jié)）。如果要完成字符串相關(guān)操作，就必須判斷字符是否落在0xD800到0xDFFF這個區(qū)間。

下面是能夠正確處理字符串遍歷的函數(shù)。

function getSymbols(string) {
  var length = string.length;
  var index = -1;
  var output = [];
  var character;
  var charCode;
  while (++index < length) {
    character = string.charAt(index);
    charCode = character.charCodeAt(0);
    if (charCode >= 0xD800 && charCode <= 0xDBFF) {
      output.push(character + string.charAt(++index));
    } else {
      output.push(character);
    }
  }
  return output;
}

var symbols = getSymbols('????');

symbols.forEach(function(symbol) {
  // ...
});

替換（String.prototype.replace）、截取子字符串（String.prototype.substring, String.prototype.slice）等其他字符串操作，都必須做類似的處理。

Base64是一種編碼方法，可以將任意字符轉(zhuǎn)成可打印字符。使用這種編碼方法，主要不是為了加密，而是為了不出現(xiàn)特殊字符，簡化程序的處理。

JavaScript原生提供兩個Base64相關(guān)方法。

• btoa()：字符串或二進(jìn)制值轉(zhuǎn)為Base64編碼
• atob()：Base64編碼轉(zhuǎn)為原來的編碼

var string = 'Hello World!';
btoa(string) // "SGVsbG8gV29ybGQh"
atob('SGVsbG8gV29ybGQh') // "Hello World!"

這兩個方法不適合非ASCII碼的字符，會報錯。

btoa('你好')
// Uncaught DOMException: The string to be encoded contains characters outside of the Latin1 range.

要將非ASCII碼字符轉(zhuǎn)為Base64編碼，必須中間插入一個轉(zhuǎn)碼環(huán)節(jié)，再使用這兩個方法。

function b64Encode(str) {
  return btoa(encodeURIComponent(str));
}

function b64Decode(str) {
  return decodeURIComponent(atob(str));
}

b64Encode('你好') // "JUU0JUJEJUEwJUU1JUE1JUJE"
b64Decode('JUU0JUJEJUEwJUU1JUE1JUJE') // "你好"

• Mathias Bynens, JavaScript’s internal character encoding: UCS-2 or UTF-16?
• Mathias Bynens, JavaScript has a Unicode problem
• Mozilla Developer Network, Window.btoa