本文将覆盖在ECMAScript 6 (ES6)中,字符串的新特性。

Unicode 码位(code point)转义

Unicode字符码位的长度是21位[2]。而JavaScript的字符串,是16位的,以UTF-16的方式编码。因此,超出16位码长的码位范围(the Basic Multilingual Pane, BMP, 基本多文种平面)则用两个JavaScript字符表示。直到现在,如果想用数字指定这样的码位,需要两个叫Unicode转义符的东西。以下,则会以相应的码位(0x1F680)打印出一个火箭。

1
console.log('\uD83D\uDE80');

在ECMAScript 6中,有一个新的Unicode转义符,能让你指定任意的码位(不用再管是否是16位):

1
console.log('\u{1F680}');

字符串的插值,多行及原始字符语法

模板字符串 [3]提供了3个有意思的特性。
1. 模板字符中,支持字符串插值:

1
2
3
4
let first = 'Jane';
let last = 'Doe';
console.log(`Hello ${first} ${last}!`);
// Hello Jane Doe!

2. 模板字符串可以包含多行:

1
2
3
4
5
let multiLine = `
This is
a string
with multiple
lines`;

3. 模板字符串可以是原始的:
若使用String.raw 作为模板字符串的前缀,则模板字符串可以是原始(raw)的。反斜线也不再是特殊字符,\n 也不会被解释成换行符:

1
2
let raw = String.raw`Not a newline: \n`;
console.log(raw === 'Not a newline: \\n'); // true

字符串迭代那些事

字符串是可迭代的 [4],这就意味着可以使用for-of 去迭代其中的字符:

1
2
3
4
5
6
7
for (let ch of 'abc') {
console.log(ch);
}
// Output:
// a
// b
// c

亦可用展开运行符(…) 将字符串转换成数组:

1
2
let chars = [...'abc'];
// ['a', 'b', 'c']

处理Unicode的码位

字符串迭代器,会以码位边界将字符串进行划分。这将导致迭代器的返回值,会是一个或两个字符:

1
2
3
4
5
6
7
for (let ch of 'x\uD83D\uDE80y') {
console.log(ch.length);
}
// Output:
// 1
// 2
// 1

这将会为我提供一个快速而简单的方法,去计算字符串Unicode码位的数量:

1
2
> [...'x\uD83D\uDE80y'].length
3

这同样会在,不包含基本多文种平面(non-BMP)码位的字符串操作中提供方便。如:反转字符串:

1
2
3
4
5
6
7
8
9
let str = 'x\uD83D\uDE80y';
// ES5: \uD83D\uDE80 are (incorrectly) reversed
console.log(str.split('').reverse().join(''));
// 'y\uDE80\uD83Dx'
// ES6: order of \uD83D\uDE80 is preserved
console.log([...str].reverse().join(''));
// 'y\uD83D\uDE80x'

这是在firefox控制台中,两个反转之后的结果:
Unicode in Firefox

码位中数值

有一个新的方法 codePointAt() 将返回字符串,给定索引的码位数字值:

1
2
3
4
let str = 'x\uD83D\uDE80y';
console.log(str.codePointAt(0).toString(16)); // 78
console.log(str.codePointAt(1).toString(16)); // 1f680
console.log(str.codePointAt(3).toString(16)); // 79

该方法在与字符串迭代操作结合时,也能很好的运行使用:

1
2
3
4
5
6
7
for (let ch of 'x\uD83D\uDE80y') {
console.log(ch.codePointAt(0).toString(16));
}
// Output:
// 78
// 1f680
// 79

与方法codePointAt()相对的则是String.fromCodePoint()

1
2
> String.fromCodePoint(0x78, 0x1f680, 0x79) === 'x\uD83D\uDE80y'
true

包含与重要字符串的方法

有三个方法,可以检查一个字符串是否存在于另一个字符串:

1
2
3
4
5
6
> 'hello'.startsWith('hell')
true
> 'hello'.endsWith('ello')
true
> 'hello'.includes('ell')
true

每一个方法都有一个可选的,第二个参数。可以指定被搜寻字符串的开始或结束位置:

1
2
3
4
5
6
7
8
9
> 'hello'.startsWith('ello', 1)
true
> 'hello'.endsWith('hell', 4)
true
> 'hello'.includes('ell', 1)
true
> 'hello'.includes('ell', 2)
false

方法repeat() 则用以重复某个字符串:

1
2
> 'doo '.repeat(3)
'doo doo doo '

所有新方法

模板字符串:

  • String.raw(callSite, …substitutions) : string
    用于产生原始(raw)字串(反斜杠不会被转义)。

Unicode和码位:

  • String.fromCodePoint(…codePoints : number[]) : string
    将数字值码位转换成字符串。

  • String.prototype.codePointAt(pos) : number
    返回码位开始位置的数字值(会包含一个或两个JavaScript的字符)。

  • String.prototype.normalize(form? : string) : string
    不同的码位组合,最后可能有一致的显示。Unicode normalization可以将它们转化成同样的值,这会被叫做规范的表示方式(canonical representation)。这将有助于比较和查找字符串。在一般的文本之中,’NFC’是一种被推荐的形式。

查找字符串:

  • String.prototype.startsWith(searchString, position=0) : boolean
    检查一个字符串是否以另一个字符串(searchString)开始。位置(position)指定从哪开始执行检查。

  • String.prototype.endsWith(searchString, endPosition=searchString.length) : boolean
    检查一个字符串是否以另一个字符串(searchString)结尾。结束位置(endPosition)指定在哪执行结尾检查。

  • String.prototype.includes(searchString, position=0) : boolean
    检查一个字符字符串是否包含另一个字符串(searchString)。位置(position)指定从哪开始检查。

重复字符串:

  • String.prototype.repeat(count) : string
    返回给定字符串N次。

参考

  1. Using ECMAScript 6 today
  2. Chapter 24, “Unicode and JavaScript” of “Speaking JavaScript”; includes an introduction to Unicode.
  3. Template strings: embedded DSLs in ECMAScript 6
  4. Iterators and generators in ECMAScript 6
  5. 译自 New string features in ECMAScript 6