字符串是 JavaScript 中最基礎的數據類型之一。本文將全面解析字符串的定義、轉義、與數組的異同,以及底層的字符編碼機制。
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。單引號字符串內部可以使用雙引號,反之亦然。
'abc' "abc" 'key = "value"' "It's a long journey"
如果要在單引號字符串內部使用單引號(或雙引號內使用雙引號),就必須在內部引號前加上反斜槓進行轉義。由於 HTML 屬性值使用雙引號,許多項目約定 JavaScript 字符串只使用單引號,關鍵是堅持單一的風格,不要兩種混用。
'Did she say \'Hello\'?' "Did she say \"Hello\"?"
字符串默認只能寫在一行內,分成多行將會報錯。如果長字符串必須分多行,可在每行尾部使用反斜槓;也可用連接運算符(+)把長字符串拆成多行書寫。
var longString = 'Long ' + 'long ' + 'long ' + 'string';
反斜槓(\)在字符串內有特殊含義,用來表示特殊字符,因此又稱為轉義符。需要轉義的特殊字符主要有:
反斜槓還有幾種特殊的字符寫法:\HHH(八進制)、\xHH(十六進制兩位)、\uXXXX(十六進制四位),分別代表對應的字符。
'\251' // "©" '\xA9' // "©" '\u00A9' // "©" '\172' === 'z' // true '\x7A' === 'z' // true '\u007A' === 'z' // true
如果在非特殊字符前使用反斜槓,反斜槓會被省略;若字符串正常內容需要包含反斜槓,則需再加一個反斜槓對自身轉義。
字符串可被視為字符數組,因此可使用方括號運算符返回某個位置的字符(從 0 開始)。但字符串與數組的相似性僅此而已,實際上無法改變字符串中的單個字符,這些操作會默默失敗。
var s = 'hello'; s[0] // "h" s[1] // "e" 'hello'[1] // "e"
字符串之所以類似字符數組,是由於對字符串進行方括號運算時,字符串會自動轉換為一個字符串對象。
length 屬性返回字符串的長度,該屬性無法改變,修改時不會報錯,但值不變。
JavaScript 使用 Unicode 字符集,所有字符都可以寫成 "\uxxxx" 的形式,其中 xxxx 代表該字符的 Unicode 編碼。每個字符在內部都以 16 位(2 個字節)的 UTF-16 格式儲存。
但 UTF-16 有兩種長度:U+0000 到 U+FFFF 之間的字符長度為 16 位;U+10000 到 U+10FFFF 之間的字符長度為 32 位(4 個字節),前兩個字節在 0xD800 到 0xDBFF 之間,後兩個字節在 0xDC00 到 0xDFFF 之間。由於 JavaScript 內部字符長度固定為 16 位,會把這四個字節視為兩個字符。
var s = '\uD834\uDF06'; s // "𝌆" s.length // 2 /^.$/.test(s) // false s.charCodeAt(0) // 55348 s.charCodeAt(1) // 57094
對於 4 個字節的 Unicode 字符,其與 UTF-16 的換算關係如下:
// 從 Unicode 轉為 UTF-16 H = Math.floor((C - 0x10000) / 0x400) + 0xD800 L = (C - 0x10000) % 0x400 + 0xDC00 // 從 UTF-16 轉為 Unicode C = (H - 0xD800) * 0x400 + L - 0xDC00 + 0x10000
下面這個正則表達式可以識別所有 UTF-16 字符:
([\0-\uD7FF\uE000-\uFFFF]|[\uD800-\uDBFF][\uDC00-\uDFFF])
下面是能正確處理字符串遍歷的函數:
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;
}
Base64 是一種編碼方法,可將任意字符轉成可打印字符,主要目的是避免出現特殊字符、簡化程序處理,而非加密。JavaScript 原生提供 btoa()(編碼)和 atob()(解碼)兩個方法,但它們不適合非 ASCII 字符,需中間插入一個轉碼環節。
function b64Encode(str) {
return btoa(encodeURIComponent(str));
}
function b64Decode(str) {
return decodeURIComponent(atob(str));
}
b64Encode('你好') // "JUU0JUJEJUEwJUU1JUE1JUJE"
b64Decode('JUU0JUJEJUEwJUU1JUE1JUJE') // "你好"