ES6 字符串的扩展

字符的Unicode表示法

JavaScript允许采用\uXXXX形式表示一公分字符，其中XXXX表示字符的码点。

"\u0061"

//"a"

但是，这种表示法只限于\u0000-\uFFFF之间的字符。超出这个范围的字符，必须用2个双字节的形式表达。

"\uD842\uDFB7"

//"吉"

"\u20BB7"

//"7"

上面的代码表示，如果直接在\u后面跟上超过0xFFFF的数值（比如\u20BB7）,JavaScript会理解成\u20BB+7.由于\u20bb是一个不可打印字符，所以只会显示一个空格，后面跟一个7。ES6对这点做了改进，只要将代码放入大括号，就能正确解读该字符。

"\u{20BB7}"

//"吉"

"\u{41}\u{42}\u{43}"

//"ABC"

let hello = 123;

hell\u{6f}//123

'\u{1F680}' === '\uD830D\uDE880'

//true

上面的代码中，最后一个例子表明，大括号的表示法与4字节的UTF编码是等价的。

有了这种表示方法以后，js共有6种方法可以表示一个字符



'\z' === 'z'//true

'\172' === 'z'//true

'\x7A' === 'z'//true

'\u007A' === 'z'//true

'\u{7A}' === 'z'//true

codePointAt()

javaScript内部，字符以UTF-16的格式储存，每个字符固定为2字节。对于哪些需要4字节储存的字符（Unicode码点大于0xFFFF的字符），JavaScript会认为它们是2个字符。

 var s = "吉"；

        s.length//2

        s.charAt(0)//''

        s.charAt(1)//''

        s.charCodeAt(0)//55362

        s.charCodeAt(1)//57270

上面代码中，汉字“吉”的码点是0x20BB7,UTF-16编码为0xD842 0xDFB7(十进制为5536257271),需要4个字节储存。对于这种4个字节的字符，js不能正确处理，字符串长度会被误判为2，而且charAt方法无法读取整个字符，charCodeAt方法只能分别返回前2个字节和后2个字节的值。

es6提供了codePointAt方法，能够正确处理4个字节储存的字符，返回一个字符的码点

var s = "吉a";

        s.codePointAt(0)//134071

        s.codePointAt(1)//57271

        s.charCodeAt(2)//97

codePointAt方法的参数是字符在字符串中的位置（从0开始）。上面的代码中，JavaScript将“吉a”视为3个字符。codePointAt方法在第一个字符上正确地识别了“吉”，返回了它地十进制码点134071(即十六进制地20BB7).在第二个字符和第三个字符“a”上，codePoint方法返回地结果与charCodeAt方法相同。

总之，codePointAt方法会正确返回32位的UTF-16字符的码点。对于哪些2个字符储存的常规字符，它的返回结果与charCodeAt方法相同

codePointAt方法返回的是码点的十进制值，如果想要十六进制的值，可以v使用toString方法转换一下。

var s='吉a';

s.codePOintAt(0).toString(16)//"20BB7"

s.charCodeAt(2).toString(16)//"61"

我们注意到，codePointAt方法的参数仍然是不正确的。比如字符a在字符串s中的正确位置序号应该是1，但是必须向charCodeAt方法传入2.解决问题的一个办法是使用for...of循环，因为它会正确识别32位deUTF-16字符。

var s='吉a';

for(let ch of s) {

console.log(ch.codePointAt(0).tostring(16));}

//"20bb7"

//""

codePointAt方法是测试一个字符是由2个还是4个字节组成的最简单的方法

String.fromCodePoint()

ES5提供String.fromCharCode方法，用于从码点返回对应字符，但是这个方法不能识别32位的UTF-16字符（Unicode编号大于0xFFFF）。

String.fromCharCode(0x20BB7)

// "ஷ"

上面代码中，String.fromCharCode不能识别大于0xFFFF的码点，所以0x20BB7就发生了溢出，最高位2被舍弃了，最后返回码点U+0BB7对应的字符，而不是码点U+20BB7对应的字符。

ES6提供了String.fromCodePoint方法，可以识别0xFFFF的字符，弥补了String.fromCharCode方法的不足。在作用上，正好与codePointAt方法相反。

String.fromCodePoint(0x20BB7)

// ""

String.fromCodePoint(0x78, 0x1f680, 0x79) === 'x\uD83D\uDE80y'

// true

上面代码中，如果String.fromCodePoint方法有多个参数，则它们会被合并成一个字符串返回。

注意，fromCodePoint方法定义在String对象上，而codePointAt方法定义在字符串的实例对象上。

字符串的遍历器接口

ES6为字符串添加了遍历器接口（详见《Iterator》一章），使得字符串可以被for...of循环遍历。

for (let codePoint of 'foo') {

  console.log(codePoint)

}

// "f"

// "o"

// "o"

除了遍历字符串，这个遍历器最大的优点是可以识别大于0xFFFF的码点，传统的for循环无法识别这样的码点。

var text = String.fromCodePoint(0x20BB7);

for (let i = 0; i < text.length; i++) {

  console.log(text[i]);

}

// " "

// " "

for (let i of text) {

  console.log(i);

}

// ""

上面代码中，字符串text只有一个字符，但是for循环会认为它包含两个字符（都不可打印），而for...of循环会正确识别出这一个字符。

at()

ES5对字符串对象提供charAt方法，返回字符串给定位置的字符。该方法不能识别码点大于0xFFFF的字符。

'abc'.charAt(0) // "a"

''.charAt(0) // "\uD842"

上面代码中，charAt方法返回的是UTF-16编码的第一个字节，实际上是无法显示的。

目前，有一个提案，提出字符串实例的at方法，可以识别Unicode编号大于0xFFFF的字符，返回正确的字符。

'abc'.at(0) // "a"

''.at(0) // ""

这个方法可以通过垫片库实现。

normalize()

许多欧洲语言有语调符号和重音符合。为了表示它们，Unicode提供了两种方法。一种是直接提供带重音符号的字符，比如Ǒ（\u01D1）。另一种是提供合成符号（combining character），即原字符与重音符号的合成，两个字符合成一个字符，比如O（\u004F）和ˇ（\u030C）合成Ǒ（\u004F\u030C）。

这两种表示方法，在视觉和语义上都等价，但是JavaScript不能识别。

'\u01D1'==='\u004F\u030C' //false

'\u01D1'.length // 1

'\u004F\u030C'.length // 2

上面代码表示，JavaScript将合成字符视为两个字符，导致两种表示方法不相等。

ES6提供字符串实例的normalize()方法，用来将字符的不同表示方法统一为同样的形式，这称为Unicode正规化。

'\u01D1'.normalize() === '\u004F\u030C'.normalize()

// true

normalize方法可以接受一个参数来指定normalize的方式，参数的四个可选值如下。

NFC，默认参数，表示“标准等价合成”（Normalization Form Canonical Composition），返回多个简单字符的合成字符。所谓“标准等价”指的是视觉和语义上的等价。
NFD，表示“标准等价分解”（Normalization Form Canonical Decomposition），即在标准等价的前提下，返回合成字符分解的多个简单字符。
NFKC，表示“兼容等价合成”（Normalization Form Compatibility Composition），返回合成字符。所谓“兼容等价”指的是语义上存在等价，但视觉上不等价，比如“囍”和“喜喜”。（这只是用来举例，normalize方法不能识别中文。）
NFKD，表示“兼容等价分解”（Normalization Form Compatibility Decomposition），即在兼容等价的前提下，返回合成字符分解的多个简单字符。

'\u004F\u030C'.normalize('NFC').length // 1

'\u004F\u030C'.normalize('NFD').length // 2

面代码表示，NFC参数返回字符的合成形式，NFD参数返回字符的分解形式。

不过，normalize方法目前不能识别三个或三个以上字符的合成。这种情况下，还是只能使用正则表达式，通过Unicode编号区间判断

includes(), startsWith(), endsWith()

传统上，JavaScript只有indexOf方法，可以用来确定一个字符串是否包含在另一个字符串中。ES6又提供了三种新方法。

includes()：返回布尔值，表示是否找到了参数字符串。
startsWith()：返回布尔值，表示参数字符串是否在源字符串的头部。
endsWith()：返回布尔值，表示参数字符串是否在源字符串的尾部。

var s = 'Hello world!';

s.startsWith('Hello') // true

s.endsWith('!') // true

s.includes('o') // true

这三个方法都支持第二个参数，表示开始搜索的位置。

var s = 'Hello world!';

s.startsWith('world', 6) // true

s.endsWith('Hello', 5) // true

s.includes('Hello', 6) // false

上面代码表示，使用第二个参数n时，endsWith的行为与其他两个方法有所不同。它针对前n个字符，而其他两个方法针对从第n个位置直到字符串结束。

repeat()

repeat方法返回一个新字符串，表示将原字符串重复n次。

'x'.repeat(3) // "xxx"

'hello'.repeat(2) // "hellohello"

'na'.repeat(0) // ""

参数如果是小数，会被取整。

'na'.repeat(2.9) // "nana"

如果repeat的参数是负数或者Infinity，会报错。

'na'.repeat(Infinity)

// RangeError

'na'.repeat(-1)

// RangeError

但是，如果参数是0到-1之间的小数，则等同于0，这是因为会先进行取整运算。0到-1之间的小数，取整以后等于-0，repeat视同为0

'na'.repeat(-0.9) // ""

参数NaN等同于0。

'na'.repeat(NaN) // ""

如果repeat的参数是字符串，则会先转换成数字。

'na'.repeat('na') // ""

'na'.repeat('3') // "nanana"

padStart()，padEnd()

ES7推出了字符串补全长度的功能。如果某个字符串不够指定长度，会在头部或尾部补全。padStart用于头部补全，padEnd用于尾部补全。

'x'.padStart(5, 'ab') // 'ababx'

'x'.padStart(4, 'ab') // 'abax'

'x'.padEnd(5, 'ab') // 'xabab'

'x'.padEnd(4, 'ab') // 'xaba'

上面代码中，padStart和padEnd一共接受两个参数，第一个参数用来指定字符串的最小长度，第二个参数是用来补全的字符串。

如果原字符串的长度，等于或大于指定的最小长度，则返回原字符串。

'xxx'.padStart(2, 'ab') // 'xxx'

'xxx'.padEnd(2, 'ab') // 'xxx'

如果用来补全的字符串与原字符串，两者的长度之和超过了指定的最小长度，则会截去超出位数的补全字符串

'abc'.padStart(10, '0123456789')

// '0123456abc'

如果省略第二个参数，则会用空格补全长度。

'x'.padStart(4) // '   x'

'x'.padEnd(4) // 'x   '

padStart的常见用途是为数值补全指定位数。下面代码生成10位的数值字符串。

'1'.padStart(10, '0') // "0000000001"

'12'.padStart(10, '0') // "0000000012"

'123456'.padStart(10, '0') // "0000123456"

另一个用途是提示字符串格式。

'12'.padStart(10, 'YYYY-MM-DD') // "YYYY-MM-12"

'09-12'.padStart(10, 'YYYY-MM-DD') // "YYYY-09-12"

模板字符串

传统的模板

$("#result").append(

    "There are <b>"+

    basket.count+

    "</b>"+

    "items inyour basket,"+

    "<em>"+

    basket.onSale+

    "<em> are on sale!"

);

ES6的新模板

$("#result").append(

    There are <b>${basket.count}<b>items

    in your basket,<em>${basket.onSale}</em>

    are on sale

);

模板字符串是增强版的字符串，用反引号（'）标识。它可以当作普通字符串使用，也可以用来定义多行字符串，或者在字符串中嵌入变量。

知识点

如果在模板字符串中想使用反引号，要使用双斜杠转译

var a = '\'yo\ haha'

使用模板字符串，所有的空格和缩进都会被保留进输出中。
在模板字符串中嵌入变量，需要将变量写在${}中。大括号内可以放任意的js表达式，可以进行运算，以及引用对象属性。如果大括号中的值不是字符，则自动用toString方法转为字符。
模板字符串还能调用函数

function f() {

    return 0;

}

'hahaha${f()}ha'

如果模板字符串中的变量没有声明将报错
如果${}中是一个字符串，会原样输出

'h${'hhh'}h'

//hhhhh

7.引用模板字符串本身的写法

let str = 'retrue'+''h${name}'';

let f = new Function('name',str);

f('jack')//"hjack"

实例：模板编译

下面我们看一个通过模板字符串生成正式模板的实例

var temple = '<ul>

    <% for(var i = 0;i < data.supplies.length;i++) {% >

        <li><%=data.supplies[i]%></li>

    <% } %>

</ul>';

上面的代码在模板字符串中放置了一个常规模板。该模板使用<%...%>放置js代码，用<%=...%>输出js表达式。

怎么编译这个模板字符串呢？

思路1：将其转化为js表达式字符串

echo('<ul>');

for(var i=0;i<data.supplies.length;i++) {

    echo('<li>');

    echo(data.supplies[i]);

    echo('</li>');

};

echo('<ul>'

这种转换使用正则表达式即可。

var evalExpr = /<%=(.+?)%>/g;

var expr = /<%([\s\S]+?)%>/g;

template = template

.replace(evalExp,'');\n echo($1); \n echo('')

.repalce(expr,'');\n$1 \n echo('');

template = 'echo(''+template+'');';

然后将template封装在一个函数里面返回即可。

var script =

'(function parse(data){

    var output = "";

    function echo(html) {

        output+=html;

    }

    ${template}

    return output;

})';

将上面内容拼装成模板编译函数compile

function compile() {

    var evalExpr = /<%=(,+?)%>/g;

    var expr = /<%([/s/S]+?)%>/g;

    template = template

    .replace(evalExp,'');\n echo($1); \n echo('')

    .repalce(expr,'');\n$1 \n echo('');

    template = 'echo(''+template+'');';

    var script =

    '(function parse(data){

        var output = "";

        function echo(html) {

            output+=html;

        }

        ${template}

        return output;

    })';

    return script;

}

compile函数的用法如下：

var parse = eval(compile(template));

div.innerHtML = parse({supplies:["broom","mop","cleaner"]});

//<ul>

//    <li>broom</li>

//    <li>mop</li>

//    <li>cleaner</li>

//</ul>

标签模板

模板字符串可以跟在一个函数名后面，该函数将被调用来处理这个模板字符串。这被称为“标签模板”功能。

这其实是函数调用的一种特殊形式。“标签”指的就是函数，紧跟在后面的模板字符串就是它的参数。

var a = 5;

var b = 10;

tag'h${a+b}h${a*b}';

上面代码中，模板字符串前面有一个标识名tag，它是一个函数。整个表达式大热返回值，就是tag会依次接收到多个参数。

function tag(stringArr,value1,value2){

//...

}

//等同于

function tag(stringArr,...values){

//...

}

tag函数的第一个参数是一数组，该数组的成员是模板字符串中那些没有变量替换的部分，也就是说，变量替换只发生在数组的第一个成员和第二个成员之间、第二个成员和第三个成员之间，以此类推。

tag函数的其他参数都是模板字符串其他变量被替换后的值。由于本例中，模板字符串含有两个变量，因此tag会接收到value1和vaule2两个参数。

“标签模板”的一个重要应用就是过滤html字符串，防止用户输入恶意内容。

var message = SaferHTML'<p>${sender} has sent you a message.</p>';

function SaferHTML(templateData) {

    for (var i = 1; i < arguments.length; i++) {

        var arg = String(arguments[i]);

        s += arg.replace(/&/g,"&amp;")

                .replace(/</g,"&lt")

                .replace(/>/g,"&gt");

        s += templateData[i];

    }

    return s;

}

上面代码中，经过函数SaferHTML的处理，HTML字符串中的特殊字符都会被转译。

模板标签的另一个应用是多语言的转换。

i18n'Welcome to ${siteName},you are visitor number ${visitorNumber}!'

//欢迎访问XXX，您是第XXXX位访问者

模板字符串本身并不能取代Mustache之类的模板库，因为没有条件判断和循环处理功能，但是通过标签函数，你可以自己添加这些功能。

var libraryHtml = hashTemplate'

    <ul>

        #for book in${myBooks}

            <li><i>#{book.title}</i>by#{book.author}</li>

        #end

    </ul>

';

除此之外，你还可以使用标签模板，在javascript语言中嵌入其他语言。

jsx'

    <div>

        <input

         ref='input'

         onChange='${this.handleChange}'

         defaultValue='${this.state.value'/>

         ${this.state.value}

    </div>

'

上面代码中通过jsx函数将一个dom字符串转化为React对象

String.raw()