編程語言的詞法結構是一套基礎性規則,用來描述你如何書寫這門語言。作為語法的地基,它規定了變量名如何命名、注釋怎麼寫、語句之間如何區分。本文用簡短的篇幅,梳理 JavaScript 詞法結構的關鍵要點。
JavaScript 程序使用 Unicode 字符集編寫,Unicode 是 ASCII 和 Latin-1 的超集,支持幾乎世界上所有語言。ECMAScript 3 要求實現必須支持 Unicode 2.1 及後續版本,ECMAScript 5 則要求支持 Unicode 3 及後續版本。
JavaScript 是區分大小寫的語言,關鍵字、變量名、函數名以及所有標識符都必須保持大小寫一致,比如關鍵字 while 就必須寫成 while,不能寫成 While 或 WHILE。
需要注意的是,HTML 並不區分大小寫(儘管 XHTML 區分),而它又與客戶端 JavaScript 聯繫緊密,因此容易混淆。例如在 HTML 中設置事件時,onclick 屬性可以寫成 onClick,但在 JavaScript 中必須寫成小寫的 onclick。
JavaScript 會忽略標識(token)之間的空格,多數情況下也會忽略換行符。正因為可以隨意使用空格和換行,我們才能採用整齊一致的縮進來形成統一的編碼風格,提高代碼可讀性。
除了識別空格符(\u0020),JavaScript 還把水平製表符(\u0009)、垂直製表符(\u000B)、換頁符(\u000C)、不中斷空白符(\u00A0)、字節序標記(\uFEFF)以及 Unicode 中所有 Zs 類別的字符視作空白。而換行符(\u000A)、回車符(\u000D)、行分隔符(\u2028)、段分隔符(\u2029)則被識別為行結束符;回車符加換行符會被解析為單個行結束符。
Unicode 格式控制字符(Cf 類),如「從右至左書寫標記」(\u200F)和「從左至右書寫標記」(\u200E),控制著文本的視覺顯示,對一些非英語文本的正確顯示至關重要。這些字符可以用在注釋、字符串直接量和正則表達式直接量中,但不能用在標識符裡;有個例外是零寬連接符(\u200D)和零寬非連接符(\uFEFF)可以出現在標識符中,只是不能作為首字符。上文提到的字節序標記(\uFEFF)就被當作空白對待。
在一些老舊的硬件和軟件環境中,無法顯示或輸入完整的 Unicode 字符。為支持這些環境,JavaScript 定義了一種特殊序列,用 6 個 ASCII 字符來表示任意 16 位 Unicode 內碼。這種轉義序列以 \u 為前綴,後接十六進制數(用數字及大小寫字母 A-F 表示),可用於字符串直接量、正則表達式直接量和標識符中(關鍵字除外)。例如字符 é 的轉義寫法為 \u00E9,於是:
"café" === "caf\u00e9" => true
Unicode 轉義寫法可以出現在注釋中,但由於 JavaScript 會忽略注釋,它們只是被當作上下文中的 ASCII 字符處理,並不會被解析成對應的 Unicode 字符。
Unicode 允許用多種方式編碼同一個字符。比如 é 既可以用 \u00E9,也可以用普通 ASCII 字符 e 跟隨一個語調符號 \u0301 表示。在文本編輯器中兩者顯示一模一樣,但它們的二進制編碼不同,在計算機裡並不相等。Unicode 標准為字符定義了首選的編碼格式,並提供了將文本轉換為適合比較的標准格式的正規化方式。
JavaScript 支持兩種注釋:行尾 // 之後的文本會被當作注釋忽略;/* 和 */ 之間的文本也會被當作注釋,這種注釋可以跨行書寫,但不能嵌套。
// 單行注釋 /* * 多行注釋 */
所謂直接量(literal),就是程序中直接使用的數據值:
12 // 數字 1.2 // 小數 "Hello World" // 字符串文本 'hi' // 另一個字符串 true // 布爾值 false // 布爾值 / javascript / gi // 正則表達式直接量(用於模式匹配) null // 空
此外,還有對象和數組直接量:
{x:1, y:2} // 對象
[1,2,3,4,5] // 數組
標識符就是一個名字。在 JavaScript 中,標識符用於給變量和函數命名,或作為循環語句中跳轉位置的標記。標識符必須以字母、下劃線或美元符號開頭,後續字符可以是字母、數字、下劃線或美元符號(數字不能作為首字母,以便與數字區分)。以下都是合法標識符:
my_variable_name b13 _dummy $str
出於可移植性和易於書寫的考慮,我們通常只用 ASCII 字母和數字來命名。不過 JavaScript 也允許標識符中使用 Unicode 字符全集中的字母和數字,因此你可以用非英語語言或數學符號來命名:
var sá = true; var π = 3.14;
JavaScript 把一些標識符作為關鍵字自用,因此不能再拿它們當標識符:
break case catch continue default delete do else finally for function if in instanceof new return switch this throw try typeof var void while with
此外還有一些保留字:
class const enum export extends import super
另外,下面這些關鍵字在普通模式下合法,但在嚴格模式下是保留字:
implements let private public yield interface package protected static
同樣,嚴格模式下對以下標識符做了限制,不能作為變量名、參數名和函數名:
arguments eval
和許多語言一樣,JavaScript 使用分號(;)分隔語句,這對增強代碼可讀性非常重要。缺失分隔符時,一條語句的結束就成了下一條的開始。在 JavaScript 中,如果各語句獨佔一行,通常可以省略分號(程序結尾 } 之前的分號也可省略)。有些程序員習慣始終加分號,有些則只在必要時才加,兩種風格都可以,但要注意幾個細節。
比如下面代碼,第一個分號可以省略:
a=3; b=4;
但若寫成同一行,第一個分號則不能省:
a=3;b=4;
JavaScript 並非在所有換行處都自動補分號:只有在缺少分號就無法正常解析代碼時,它才會補充分號。也就是說,如果當前語句與隨後的非空白字符不能被當作一個整體解析,JavaScript 就在當前語句末尾補分號。看下面這段:
var a a = 3 console.log(a)
JavaScript 會將其解析為:
var a; a=3; console.log(a);
它在第一行末尾補了分號,因為沒有分號就無法解析 var a a。但第二行末尾沒有補,因為第二個 a 可以和第三行一起解析成 a=3;。
有些語句的分隔規則會導致意想不到的情形,比如下面這段,看上去是兩條獨立語句:
var y = x + f (a+b).toString()
第二行的圓括號卻和第一行的 f 組成了一個函數調用,JavaScript 會把它看作:
var y = x + f(a+b).toString();
這顯然並非本意。要讓它被解析成兩條語句,必須手動加上顯式分號。
一般來說,如果一條語句以 (、[、/、+、- 開頭,它很可能會和前條語句合併解析。以 /、+、- 開頭的語句不常見,但以 (、[ 開頭的語句則非常普遍。因此有些程序員喜歡保守地在語句前加一個分號,這樣即使前面的語句被改動、分號被誤刪,當前語句仍能正確解析。
如果當前語句與下一行無法合併解析,JavaScript 會在第一行後補分號,這是通用規則,但有兩個例外。第一個例外涉及 return、break、continue:如果這三個關鍵字後緊跟換行,JavaScript 會在換行處補分號。例如:
return true;
會被解析成 return; true;,而代碼本意往往是 return true;。也就是說,return、break、continue 後緊接的表達式之間不能有換行,否則程序會出現極其隱蔽的錯誤,調試起來非常痛苦。
第二個例外涉及 ++ 和 -- 運算符,它們既可作前綴也可作後綴。如果把它們放在後綴位置,應與表達式視為一行,否則行尾會補分號:
x ++ yy
會被解析為:
x; ++y;
可見,理解 JavaScript 的分號自動補充規則,能幫我們避開不少令人頭疼的解析陷阱。