字符串的擴展 · ECMAScript 6 入門（ES6）

# 字符串的擴展本章介紹 ES6 對字符串的改造和增強，下一章介紹字符串對象的新增方法。 ## 字符的 Unicode 表示法 ES6 加強了對 Unicode 的支持，允許采用`\uxxxx`形式表示一個字符，其中`xxxx`表示字符的 Unicode 碼點。 ```javascript "\u0061" // "a" ``` 但是，這種表示法只限于碼點在`\u0000`~`\uFFFF`之間的字符。超出這個范圍的字符，必須用兩個雙字節的形式表示。 ```javascript "\uD842\uDFB7" // "??" "\u20BB7" // " 7" ``` 上面代碼表示，如果直接在`\u`后面跟上超過`0xFFFF`的數值（比如`\u20BB7`），JavaScript 會理解成`\u20BB+7`。由于`\u20BB`是一個不可打印字符，所以只會顯示一個空格，后面跟著一個`7`。 ES6 對這一點做出了改進，只要將碼點放入大括號，就能正確解讀該字符。 ```javascript "\u{20BB7}" // "??" "\u{41}\u{42}\u{43}" // "ABC" let hello = 123; hell\u{6F} // 123 '\u{1F680}' === '\uD83D\uDE80' // true ``` 上面代碼中，最后一個例子表明，大括號表示法與四字節的 UTF-16 編碼是等價的。有了這種表示法之后，JavaScript 共有 6 種方法可以表示一個字符。 ```javascript '\z' === 'z' // true '\172' === 'z' // true '\x7A' === 'z' // true '\u007A' === 'z' // true '\u{7A}' === 'z' // true ``` ## 字符串的遍歷器接口 ES6 為字符串添加了遍歷器接口（詳見《Iterator》一章），使得字符串可以被`for...of`循環遍歷。 ```javascript for (let codePoint of 'foo') { console.log(codePoint) } // "f" // "o" // "o" ``` 除了遍歷字符串，這個遍歷器最大的優點是可以識別大于`0xFFFF`的碼點，傳統的`for`循環無法識別這樣的碼點。 ```javascript let text = String.fromCodePoint(0x20BB7); for (let i = 0; i < text.length; i++) { console.log(text[i]); } // " " // " " for (let i of text) { console.log(i); } // "??" ``` 上面代碼中，字符串`text`只有一個字符，但是`for`循環會認為它包含兩個字符（都不可打印），而`for...of`循環會正確識別出這一個字符。 ## 直接輸入 U+2028 和 U+2029 JavaScript 字符串允許直接輸入字符，以及輸入字符的轉義形式。舉例來說，“中”的 Unicode 碼點是 U+4e2d，你可以直接在字符串里面輸入這個漢字，也可以輸入它的轉義形式`\u4e2d`，兩者是等價的。 ```javascript '中' === '\u4e2d' // true ``` 但是，JavaScript 規定有5個字符，不能在字符串里面直接使用，只能使用轉義形式。 - U+005C：反斜杠（reverse solidus) - U+000D：回車（carriage return） - U+2028：行分隔符（line separator） - U+2029：段分隔符（paragraph separator） - U+000A：換行符（line feed）舉例來說，字符串里面不能直接包含反斜杠，一定要轉義寫成`\\`或者`\u005c`。這個規定本身沒有問題，麻煩在于 JSON 格式允許字符串里面直接使用 U+2028（行分隔符）和 U+2029（段分隔符）。這樣一來，服務器輸出的 JSON 被`JSON.parse`解析，就有可能直接報錯。 ```javascript const json = '"\u2028"'; JSON.parse(json); // 可能報錯 ``` JSON 格式已經凍結（RFC 7159），沒法修改了。為了消除這個報錯，[ES2019](https://github.com/tc39/proposal-json-superset) 允許 JavaScript 字符串直接輸入 U+2028（行分隔符）和 U+2029（段分隔符）。 ```javascript const PS = eval("'\u2029'"); ``` 根據這個提案，上面的代碼不會報錯。注意，模板字符串現在就允許直接輸入這兩個字符。另外，正則表達式依然不允許直接輸入這兩個字符，這是沒有問題的，因為 JSON 本來就不允許直接包含正則表達式。 ## JSON.stringify() 的改造根據標準，JSON 數據必須是 UTF-8 編碼。但是，現在的`JSON.stringify()`方法有可能返回不符合 UTF-8 標準的字符串。具體來說，UTF-8 標準規定，`0xD800`到`0xDFFF`之間的碼點，不能單獨使用，必須配對使用。比如，`\uD834\uDF06`是兩個碼點，但是必須放在一起配對使用，代表字符`??`。這是為了表示碼點大于`0xFFFF`的字符的一種變通方法。單獨使用`\uD834`和`\uDF06`這兩個碼點是不合法的，或者顛倒順序也不行，因為`\uDF06\uD834`并沒有對應的字符。 `JSON.stringify()`的問題在于，它可能返回`0xD800`到`0xDFFF`之間的單個碼點。 ```javascript JSON.stringify('\u{D834}') // "\u{D834}" ``` 為了確保返回的是合法的 UTF-8 字符，[ES2019](https://github.com/tc39/proposal-well-formed-stringify) 改變了`JSON.stringify()`的行為。如果遇到`0xD800`到`0xDFFF`之間的單個碼點，或者不存在的配對形式，它會返回轉義字符串，留給應用自己決定下一步的處理。 ```javascript JSON.stringify('\u{D834}') // ""\\uD834"" JSON.stringify('\uDF06\uD834') // ""\\udf06\\ud834"" ``` ## 模板字符串傳統的 JavaScript 語言，輸出模板通常是這樣寫的（下面使用了 jQuery 的方法）。 ```javascript $('#result').append( 'There are <b>' + basket.count + '</b> ' + 'items in your basket, ' + '<em>' + basket.onSale + '</em> are on sale!' ); ``` 上面這種寫法相當繁瑣不方便，ES6 引入了模板字符串解決這個問題。 ```javascript $('#result').append(` There are <b>${basket.count}</b> items in your basket, <em>${basket.onSale}</em> are on sale! `); ``` 模板字符串（template string）是增強版的字符串，用反引號（`）標識。它可以當作普通字符串使用，也可以用來定義多行字符串，或者在字符串中嵌入變量。 ```javascript // 普通字符串 `In JavaScript '\n' is a line-feed.` // 多行字符串 `In JavaScript this is not legal.` console.log(`string text line 1 string text line 2`); // 字符串中嵌入變量 let name = "Bob", time = "today"; `Hello ${name}, how are you ${time}?` ``` 上面代碼中的模板字符串，都是用反引號表示。如果在模板字符串中需要使用反引號，則前面要用反斜杠轉義。 ```javascript let greeting = `\`Yo\` World!`; ``` 如果使用模板字符串表示多行字符串，所有的空格和縮進都會被保留在輸出之中。 ```javascript $('#list').html(` <ul> <li>first</li> <li>second</li> </ul> `); ``` 上面代碼中，所有模板字符串的空格和換行，都是被保留的，比如`<ul>`標簽前面會有一個換行。如果你不想要這個換行，可以使用`trim`方法消除它。 ```javascript $('#list').html(` <ul> <li>first</li> <li>second</li> </ul> `.trim()); ``` 模板字符串中嵌入變量，需要將變量名寫在`${}`之中。 ```javascript function authorize(user, action) { if (!user.hasPrivilege(action)) { throw new Error( // 傳統寫法為 // 'User ' // + user.name // + ' is not authorized to do ' // + action // + '.' `User ${user.name} is not authorized to do ${action}.`); } } ``` 大括號內部可以放入任意的 JavaScript 表達式，可以進行運算，以及引用對象屬性。 ```javascript let x = 1; let y = 2; `${x} + ${y} = ${x + y}` // "1 + 2 = 3" `${x} + ${y * 2} = ${x + y * 2}` // "1 + 4 = 5" let obj = {x: 1, y: 2}; `${obj.x + obj.y}` // "3" ``` 模板字符串之中還能調用函數。 ```javascript function fn() { return "Hello World"; } `foo ${fn()} bar` // foo Hello World bar ``` 如果大括號中的值不是字符串，將按照一般的規則轉為字符串。比如，大括號中是一個對象，將默認調用對象的`toString`方法。如果模板字符串中的變量沒有聲明，將報錯。 ```javascript // 變量place沒有聲明 let msg = `Hello, ${place}`; // 報錯 ``` 由于模板字符串的大括號內部，就是執行 JavaScript 代碼，因此如果大括號內部是一個字符串，將會原樣輸出。 ```javascript `Hello ${'World'}` // "Hello World" ``` 模板字符串甚至還能嵌套。 ```javascript const tmpl = addrs => ` <table> ${addrs.map(addr => ` <tr><td>${addr.first}</td></tr> <tr><td>${addr.last}</td></tr> `).join('')} </table> `; ``` 上面代碼中，模板字符串的變量之中，又嵌入了另一個模板字符串，使用方法如下。 ```javascript const data = [ { first: '<Jane>', last: 'Bond' }, { first: 'Lars', last: '<Croft>' }, ]; console.log(tmpl(data)); // <table> // // <tr><td><Jane></td></tr> // <tr><td>Bond</td></tr> // // <tr><td>Lars</td></tr> // <tr><td><Croft></td></tr> // // </table> ``` 如果需要引用模板字符串本身，在需要時執行，可以寫成函數。 ```javascript let func = (name) => `Hello ${name}!`; func('Jack') // "Hello Jack!" ``` 上面代碼中，模板字符串寫成了一個函數的返回值。執行這個函數，就相當于執行這個模板字符串了。 ## 實例：模板編譯下面，我們來看一個通過模板字符串，生成正式模板的實例。 ```javascript let template = ` <ul> <% for(let i=0; i < data.supplies.length; i++) { %> <li><%= data.supplies[i] %></li> <% } %> </ul> `; ``` 上面代碼在模板字符串之中，放置了一個常規模板。該模板使用`<%...%>`放置 JavaScript 代碼，使用`<%= ... %>`輸出 JavaScript 表達式。怎么編譯這個模板字符串呢？一種思路是將其轉換為 JavaScript 表達式字符串。 ```javascript echo('<ul>'); for(let i=0; i < data.supplies.length; i++) { echo('<li>'); echo(data.supplies[i]); echo('</li>'); }; echo('</ul>'); ``` 這個轉換使用正則表達式就行了。 ```javascript let evalExpr = /<%=(.+?)%>/g; let expr = /<%([\s\S]+?)%>/g; template = template .replace(evalExpr, '`); \n echo( $1 ); \n echo(`') .replace(expr, '`); \n $1 \n echo(`'); template = 'echo(`' + template + '`);'; ``` 然后，將`template`封裝在一個函數里面返回，就可以了。 ```javascript let script = `(function parse(data){ let output = ""; function echo(html){ output += html; } ${ template } return output; })`; return script; ``` 將上面的內容拼裝成一個模板編譯函數`compile`。 ```javascript function compile(template){ const evalExpr = /<%=(.+?)%>/g; const expr = /<%([\s\S]+?)%>/g; template = template .replace(evalExpr, '`); \n echo( $1 ); \n echo(`') .replace(expr, '`); \n $1 \n echo(`'); template = 'echo(`' + template + '`);'; let script = `(function parse(data){ let output = ""; function echo(html){ output += html; } ${ template } return output; })`; return script; } ``` `compile`函數的用法如下。 ```javascript let parse = eval(compile(template)); div.innerHTML = parse({ supplies: [ "broom", "mop", "cleaner" ] }); // <ul> // <li>broom</li> // <li>mop</li> // <li>cleaner</li> // </ul> ``` ## 標簽模板模板字符串的功能，不僅僅是上面這些。它可以緊跟在一個函數名后面，該函數將被調用來處理這個模板字符串。這被稱為“標簽模板”功能（tagged template）。 ```javascript alert`hello` // 等同于 alert(['hello']) ``` 標簽模板其實不是模板，而是函數調用的一種特殊形式。“標簽”指的就是函數，緊跟在后面的模板字符串就是它的參數。但是，如果模板字符里面有變量，就不是簡單的調用了，而是會將模板字符串先處理成多個參數，再調用函數。 ```javascript let a = 5; let b = 10; tag`Hello ${ a + b } world ${ a * b }`; // 等同于 tag(['Hello ', ' world ', ''], 15, 50); ``` 上面代碼中，模板字符串前面有一個標識名`tag`，它是一個函數。整個表達式的返回值，就是`tag`函數處理模板字符串后的返回值。函數`tag`依次會接收到多個參數。 ```javascript function tag(stringArr, value1, value2){ // ... } // 等同于 function tag(stringArr, ...values){ // ... } ``` `tag`函數的第一個參數是一個數組，該數組的成員是模板字符串中那些沒有變量替換的部分，也就是說，變量替換只發生在數組的第一個成員與第二個成員之間、第二個成員與第三個成員之間，以此類推。 `tag`函數的其他參數，都是模板字符串各個變量被替換后的值。由于本例中，模板字符串含有兩個變量，因此`tag`會接受到`value1`和`value2`兩個參數。 `tag`函數所有參數的實際值如下。 - 第一個參數：`['Hello ', ' world ', '']` - 第二個參數: 15 - 第三個參數：50 也就是說，`tag`函數實際上以下面的形式調用。 ```javascript tag(['Hello ', ' world ', ''], 15, 50) ``` 我們可以按照需要編寫`tag`函數的代碼。下面是`tag`函數的一種寫法，以及運行結果。 ```javascript let a = 5; let b = 10; function tag(s, v1, v2) { console.log(s[0]); console.log(s[1]); console.log(s[2]); console.log(v1); console.log(v2); return "OK"; } tag`Hello ${ a + b } world ${ a * b}`; // "Hello " // " world " // "" // 15 // 50 // "OK" ``` 下面是一個更復雜的例子。 ```javascript let total = 30; let msg = passthru`The total is ${total} (${total*1.05} with tax)`; function passthru(literals) { let result = ''; let i = 0; while (i < literals.length) { result += literals[i++]; if (i < arguments.length) { result += arguments[i]; } } return result; } msg // "The total is 30 (31.5 with tax)" ``` 上面這個例子展示了，如何將各個參數按照原來的位置拼合回去。 `passthru`函數采用 rest 參數的寫法如下。 ```javascript function passthru(literals, ...values) { let output = ""; let index; for (index = 0; index < values.length; index++) { output += literals[index] + values[index]; } output += literals[index] return output; } ``` “標簽模板”的一個重要應用，就是過濾 HTML 字符串，防止用戶輸入惡意內容。 ```javascript let message = SaferHTML`<p>${sender} has sent you a message.</p>`; function SaferHTML(templateData) { let s = templateData[0]; for (let i = 1; i < arguments.length; i++) { let arg = String(arguments[i]); // Escape special characters in the substitution. s += arg.replace(/&/g, "&") .replace(/</g, "<") .replace(/>/g, ">"); // Don't escape special characters in the template. s += templateData[i]; } return s; } ``` 上面代碼中，`sender`變量往往是用戶提供的，經過`SaferHTML`函數處理，里面的特殊字符都會被轉義。 ```javascript let sender = '<script>alert("abc")</script>'; // 惡意代碼 let message = SaferHTML`<p>${sender} has sent you a message.</p>`; message // <p><script>alert("abc")</script> has sent you a message.</p> ``` 標簽模板的另一個應用，就是多語言轉換（國際化處理）。 ```javascript i18n`Welcome to ${siteName}, you are visitor number ${visitorNumber}!` // "歡迎訪問xxx，您是第xxxx位訪問者！" ``` 模板字符串本身并不能取代 Mustache 之類的模板庫，因為沒有條件判斷和循環處理功能，但是通過標簽函數，你可以自己添加這些功能。 ```javascript // 下面的hashTemplate函數 // 是一個自定義的模板處理函數 let libraryHtml = hashTemplate` <ul> #for book in ${myBooks} <li><i>#{book.title}</i> by #{book.author}</li> #end </ul> `; ``` 除此之外，你甚至可以使用標簽模板，在 JavaScript 語言之中嵌入其他語言。 ```javascript jsx` <div> <input ref='input' onChange='${this.handleChange}' defaultValue='${this.state.value}' /> ${this.state.value} </div> ` ``` 上面的代碼通過`jsx`函數，將一個 DOM 字符串轉為 React 對象。你可以在 GitHub 找到`jsx`函數的[具體實現](https://gist.github.com/lygaret/a68220defa69174bdec5)。下面則是一個假想的例子，通過`java`函數，在 JavaScript 代碼之中運行 Java 代碼。 ```javascript java` class HelloWorldApp { public static void main(String[] args) { System.out.println("Hello World!"); // Display the string. } } ` HelloWorldApp.main(); ``` 模板處理函數的第一個參數（模板字符串數組），還有一個`raw`屬性。 ```javascript console.log`123` // ["123", raw: Array[1]] ``` 上面代碼中，`console.log`接受的參數，實際上是一個數組。該數組有一個`raw`屬性，保存的是轉義后的原字符串。請看下面的例子。 ```javascript tag`First line\nSecond line` function tag(strings) { console.log(strings.raw[0]); // strings.raw[0] 為 "First line\\nSecond line" // 打印輸出 "First line\nSecond line" } ``` 上面代碼中，`tag`函數的第一個參數`strings`，有一個`raw`屬性，也指向一個數組。該數組的成員與`strings`數組完全一致。比如，`strings`數組是`["First line\nSecond line"]`，那么`strings.raw`數組就是`["First line\\nSecond line"]`。兩者唯一的區別，就是字符串里面的斜杠都被轉義了。比如，strings.raw 數組會將`\n`視為`\\`和`n`兩個字符，而不是換行符。這是為了方便取得轉義之前的原始模板而設計的。 ## 模板字符串的限制前面提到標簽模板里面，可以內嵌其他語言。但是，模板字符串默認會將字符串轉義，導致無法嵌入其他語言。舉例來說，標簽模板里面可以嵌入 LaTEX 語言。 ```javascript function latex(strings) { // ... } let document = latex` \newcommand{\fun}{\textbf{Fun!}} // 正常工作 \newcommand{\unicode}{\textbf{Unicode!}} // 報錯 \newcommand{\xerxes}{\textbf{King!}} // 報錯 Breve over the h goes \u{h}ere // 報錯 ` ``` 上面代碼中，變量`document`內嵌的模板字符串，對于 LaTEX 語言來說完全是合法的，但是 JavaScript 引擎會報錯。原因就在于字符串的轉義。模板字符串會將`\u00FF`和`\u{42}`當作 Unicode 字符進行轉義，所以`\unicode`解析時報錯；而`\x56`會被當作十六進制字符串轉義，所以`\xerxes`會報錯。也就是說，`\u`和`\x`在 LaTEX 里面有特殊含義，但是 JavaScript 將它們轉義了。為了解決這個問題，ES2018 [放松](https://tc39.github.io/proposal-template-literal-revision/)了對標簽模板里面的字符串轉義的限制。如果遇到不合法的字符串轉義，就返回`undefined`，而不是報錯，并且從`raw`屬性上面可以得到原始字符串。 ```javascript function tag(strs) { strs[0] === undefined strs.raw[0] === "\\unicode and \\u{55}"; } tag`\unicode and \u{55}` ``` 上面代碼中，模板字符串原本是應該報錯的，但是由于放松了對字符串轉義的限制，所以不報錯了，JavaScript 引擎將第一個字符設置為`undefined`，但是`raw`屬性依然可以得到原始字符串，因此`tag`函數還是可以對原字符串進行處理。注意，這種對字符串轉義的放松，只在標簽模板解析字符串時生效，不是標簽模板的場合，依然會報錯。 ```javascript let bad = `bad escape sequence: \unicode`; // 報錯 ```