ECMAScript 6 字符串的扩展

由 youj 创建， 最后一次修改 2016-09-20 ES6加强了对Unicode的支持，并且扩展了字符串对象。字符的Unicode表示法JavaScript允许采用\uxxxx形式表示一个字符，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，必须用两个双字节的形式表达。"\uD842\uDFB7"// "????""\u20BB7"// " 7"上面代码表示，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，后面跟着一个7。ES6对这一点做出了改进，只要将码点放入大括号，就能正确解读该字符。"\u{20BB7}"// "????""\u{41}\u{42}\u{43}"// "ABC"let hello = 123;hell\u{6F} // 123'\u{1F680}' === '\uD83D\uDE80'// true上面代码中，最后一个例子表明，大括号表示法与四字节的UTF-16编码是等价的。有了这种表示法之后，JavaScript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' // truecodePointAt()JavaScript内部，字符以UTF-16的格式储存，每个字符固定为2个字节。对于那些需要4个字节储存的字符（Unicode码点大于0xFFFF的字符），JavaScript会认为它们是两个字符。var s = "????";s.length // 2s.charAt(0) // ''s.charAt(1) // ''s.charCodeAt(0) // 55362s.charCodeAt(1) // 57271上面代码中，汉字“????”的码点是0x20BB7，UTF-16编码为0xD842 0xDFB7（十进制为55362 57271），需要4个字节储存。对于这种4个字节的字符，JavaScript不能正确处理，字符串长度会误判为2，而且charAt方法无法读取整个字符，charCodeAt方法只能分别返回前两个字节和后两个字节的值。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 = '????a';s.codePointAt(0) // 134071s.codePointAt(1) // 57271s.charCodeAt(2) // 97codePointAt方法的参数，是字符在字符串中的位置（从0开始）。上面代码中，JavaScript将“????a”视为三个字符，codePointAt方法在第一个字符上，正确地识别了“????”，返回了它的十进制码点134071（即十六进制的20BB7）。在第二个字符（即“????”的后两个字节）和第三个字符“a”上，codePointAt方法的结果与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。对于那些两个字节储存的常规字符，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，可以使用toString方法转换一下。var s = '????a';s.codePointAt(0).toString(16) // "20bb7"s.charCodeAt(2).toString(16) // "61"你可能注意到了，codePointAt方法的参数，仍然是不正确的。比如，上面代码中，字符a在字符串s的正确位置序号应该是1，但是必须向charCodeAt方法传入2。解决这个问题的一个办法是使用for...of循环，因为它会正确识别32位的UTF-16字符。var s = '????a';for (let ch of s) { console.log(ch.codePointAt(0).toString(16));}// 20bb7// 61codePointAt方法是测试一个字符由两个字节还是由四个字节组成的最简单方法。function is32Bit(c) { return c.codePointAt(0) > 0xFFFF;}is32Bit("????") // trueis32Bit("a") // falseString.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)// "?"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号。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()// truenormalize方法可以接受一个参数来指