# 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
```
- 前言
- ECMAScript 6簡介
- let 和 const 命令
- 變量的解構賦值
- 字符串的擴展
- 字符串的新增方法
- 正則的擴展
- 數值的擴展
- 函數的擴展
- 數組的擴展
- 對象的擴展
- 對象的新增方法
- 運算符的擴展
- Symbol
- Set 和 Map 數據結構
- Proxy
- Reflect
- Promise 對象
- Iterator 和 for...of 循環
- Generator 函數的語法
- Generator 函數的異步應用
- async 函數
- Class 的基本語法
- Class 的繼承
- Module 的語法
- Module 的加載實現
- 編程風格
- 讀懂規格
- 異步遍歷器
- ArrayBuffer
- Decorator
- 參考鏈接