字符串的扩展
# 字符串的扩展
本章介绍 ES6 对字符串的改造和增强,下一章介绍字符串对象的新增方法。
# 1. 字符的 Unicode 表示法
ES6 加强了对 Unicode 的支持,允许采用 \uxxxx
形式表示一个字符,其中 xxxx
表示字符的 Unicode 码点。
"\u0061" // 使用 Unicode 表示法表示字符 'a'
// "a"
2
但是,这种表示法只限于码点在 \u0000
到 \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示。
"\uD842\uDFB7" // 使用两个双字节表示字符 '𠮷'
// "𠮷"
"\u20BB7" // 由于 \u20BB 超出范围,JavaScript 会理解成 \u20BB + 7
// " 7"
2
3
4
5
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
加上 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}" // 使用大括号表示法表示字符 '𠮷'
// "𠮷"
"\u{41}\u{42}\u{43}" // 使用大括号表示法表示字符 'A'、'B'、'C'
// "ABC"
let hello = 123;
hell\u{6F} // 123 (变量名拼接使用大括号表示法表示字符 'o')
'\u{1F680}' === '\uD83D\uDE80' // 使用大括号表示法与四字节 UTF-16 编码等价
// true
2
3
4
5
6
7
8
9
10
11
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' // true
2
3
4
5
# 2. 字符串的遍历器接口
ES6 为字符串添加了遍历器接口,使得字符串可以被 for...of
循环遍历。
for (let codePoint of 'foo') { // 使用 for...of 循环遍历字符串 'foo'
console.log(codePoint);
}
// "f"
// "o"
// "o"
2
3
4
5
6
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。
let text = String.fromCodePoint(0x20BB7); // 生成包含 Unicode 码点 0x20BB7 的字符串
for (let i = 0; i < text.length; i++) { // 使用传统 for 循环遍历字符串
console.log(text[i]); // 无法正确识别大于 0xFFFF 的码点,输出两个不可打印字符
}
// " "
// " "
for (let i of text) { // 使用 for...of 循环遍历字符串
console.log(i); // 正确识别大于 0xFFFF 的码点,输出字符 '𠮷'
}
// "𠮷"
2
3
4
5
6
7
8
9
10
11
12
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。
# 3. 直接输入 U+2028 和 U+2029
JavaScript 字符串允许直接输入字符,以及输入字符的转义形式。举例来说,“中”的 Unicode 码点是 U+4e2d,你可以直接在字符串里面输入这个汉字,也可以输入它的转义形式 \u4e2d
,两者是等价的。
'中' === '\u4e2d' // true
但是,JavaScript 规定有 5 个字符不能在字符串里面直接使用,只能使用转义形式:
- U+005C:反斜杠(reverse solidus)
- U+000D:回车(carriage return)
- U+2028:行分隔符(line separator)
- U+2029:段分隔符(paragraph separator)
- U+000A:换行符(line feed)
举例来说,字符串里面不能直接包含反斜杠,一定要转义写成 \\
或者 \u005c
。
'\\' === '\u005c' // true
这个规定本身没有问题,麻烦在于 JSON 格式允许字符串里面直接使用 U+2028(行分隔符)和 U+2029(段分隔符)。这样一来,服务器输出的 JSON 被 JSON.parse
解析,就有可能直接报错。
const json = '"\u2028"';
JSON.parse(json); // 可能报错
2
JSON 格式已经冻结(RFC 7159),没法修改了。为了消除这个报错,ES2019 (opens new window) 允许 JavaScript 字符串直接输入 U+2028(行分隔符)和 U+2029(段分隔符)。
const PS = eval("'\u2029'"); // 直接输入 U+2029(段分隔符)
根据这个提案,上面的代码不会报错。
注意,模板字符串现在就允许直接输入这两个字符。另外,正则表达式依然不允许直接输入这两个字符,这是没有问题的,因为 JSON 本来就不允许直接包含正则表达式。
# 4. JSON.stringify()
的改造
根据标准,JSON 数据必须是 UTF-8 编码。但是,现在的 JSON.stringify()
方法有可能返回不符合 UTF-8 标准的字符串。
具体来说,UTF-8 标准规定,0xD800
到 0xDFFF
之间的码点,不能单独使用,必须配对使用。比如,\uD834\uDF06
是两个码点,但是必须放在一起配对使用,代表字符 𝌆
。这是为了表示码点大于 0xFFFF
的字符的一种变通方法。单独使用 \uD834
和 \uDFO6
这两个码点是不合法的,或者颠倒顺序也不行,因为 \uDF06\uD834
并没有对应的字符。
JSON.stringify()
的问题在于,它可能返回 0xD800
到 0xDFFF
之间的单个码点。
JSON.stringify('\u{D834}') // "\uD834" (不合法的单个码点)
为了确保返回的是合法的 UTF-8 字符,ES2019 (opens new window) 改变了 JSON.stringify()
的行为。如果遇到 0xD800
到 0xDFFF
之间的单个码点,或者不存在的配对形式,它会返回转义字符串,留给应用自己决定下一步的处理。
JSON.stringify('\u{D834}') // ""\\uD834"" (转义形式)
JSON.stringify('\uDF06\uD834') // ""\\udf06\\ud834"" (不合法的配对形式转为转义形式)
2
通过这些改动,JSON.stringify()
的输出会更加符合 UTF-8 标准,避免潜在的编码错误。
# 5. 模板字符串
# 传统的模板输出
在传统的 JavaScript 中,输出模板通常是这样写的(下面使用了 jQuery 的方法)。
$('#result').append(
'There are <b>' + basket.count + '</b> ' +
'items in your basket, ' +
'<em>' + basket.onSale +
'</em> are on sale!'
);
2
3
4
5
6
上面这种写法相当繁琐不方便。为了简化这种情况,ES6 引入了模板字符串。
# ES6 中的模板字符串
模板字符串(template string)是增强版的字符串,用反引号(`
)标识。它可以当作普通字符串使用,也可以用来定义多行字符串,或者在字符串中嵌入变量。
$('#result').append(`
There are <b>${basket.count}</b> items
in your basket, <em>${basket.onSale}</em>
are on sale!
`);
2
3
4
5
# 模板字符串的基本用法
模板字符串的基本用法包括普通字符串、多行字符串和嵌入变量。
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`);
2
3
4
5
字符串中嵌入变量
let name = "Bob";
let time = "today";
`Hello ${name}, how are you ${time}?`
2
3
上面代码中的模板字符串,都是用反引号表示。如果在模板字符串中需要使用反引号,则前面要用反斜杠转义。
let greeting = `\`Yo\` World!`;
# 保留空格和缩进
如果使用模板字符串表示多行字符串,所有的空格和缩进都会被保留在输出之中。
$('#list').html(`
<ul>
<li>first</li>
<li>second</li>
</ul>
`);
2
3
4
5
6
上面代码中,所有模板字符串的空格和换行,都是被保留的,比如 <ul>
标签前面会有一个换行。如果你不想要这个换行,可以使用 trim
方法消除它。
$('#list').html(`
<ul>
<li>first</li>
<li>second</li>
</ul>
`.trim());
2
3
4
5
6
# 嵌入变量和表达式
模板字符串中嵌入变量,需要将变量名写在 ${}
之中。
function authorize(user, action) {
if (!user.hasPrivilege(action)) {
throw new Error(
`User ${user.name} is not authorized to do ${action}.`
);
}
}
2
3
4
5
6
7
大括号内部可以放入任意的 JavaScript 表达式,可以进行运算,以及引用对象属性。
let x = 1;
let y = 2;
`${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"
2
3
4
5
6
7
8
9
10
11
12
# 调用函数和默认转换
模板字符串中还能调用函数。
function fn() {
return "Hello World";
}
`foo ${fn()} bar`
// foo Hello World bar
2
3
4
5
6
如果大括号中的值不是字符串,将按照一般的规则转为字符串。比如,大括号中是一个对象,将默认调用对象的 toString
方法。
如果模板字符串中的变量没有声明,将报错。
// 变量 place 没有声明
let msg = `Hello, ${place}`;
// 报错
2
3
由于模板字符串的大括号内部,就是执行 JavaScript 代码,因此如果大括号内部是一个字符串,将会原样输出。
`Hello ${'World'}`
// "Hello World"
2
# 嵌套模板字符串
模板字符串甚至还能嵌套。
const tmpl = addrs => `
<table>
${addrs.map(addr => `
<tr><td>${addr.first}</td></tr>
<tr><td>${addr.last}</td></tr>
`).join('')}
</table>
`;
2
3
4
5
6
7
8
上面代码中,模板字符串的变量之中,又嵌入了另一个模板字符串,使用方法如下。
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>
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 模板字符串作为函数返回值
如果需要引用模板字符串本身,在需要时执行,可以写成函数。
let func = (name) => `Hello ${name}!`;
func('Jack') // "Hello Jack!"
2
上面代码中,模板字符串写成了一个函数的返回值。执行这个函数,就相当于执行这个模板字符串了。
# 6. 实例:模板编译
下面,我们来看一个通过模板字符串,生成正式模板的实例。
# 模板字符串示例
首先,定义一个模板字符串,其中嵌入 JavaScript 代码。
let template = `
<ul>
<% for(let i = 0; i < data.supplies.length; i++) { %>
<li><%= data.supplies[i] %></li>
<% } %>
</ul>
`;
2
3
4
5
6
7
上面代码在模板字符串中,放置了一个常规模板。该模板使用 <%...%>
放置 JavaScript 代码,使用 <%= ... %>
输出 JavaScript 表达式。
# 编译模板字符串
要编译这个模板字符串,我们需要将其转换为 JavaScript 表达式字符串。下面是一种转换方法:
echo('<ul>');
for(let i = 0; i < data.supplies.length; i++) {
echo('<li>');
echo(data.supplies[i]);
echo('</li>');
}
echo('</ul>');
2
3
4
5
6
7
这个转换可以使用正则表达式来实现:
let evalExpr = /<%=(.+?)%>/g; // 匹配 <%= ... %> 表达式
let expr = /<%([\s\S]+?)%>/g; // 匹配 <% ... %> 表达式
template = template
.replace(evalExpr, '`); \n echo( $1 ); \n echo(`') // 替换 <%= ... %> 表达式
.replace(expr, '`); \n $1 \n echo(`'); // 替换 <% ... %> 表达式
template = 'echo(`' + template + '`);'; // 拼接成最终的模板字符串
2
3
4
5
6
7
8
然后,将 template
封装在一个函数里面返回,就可以了:
let script = `
(function parse(data){
let output = "";
function echo(html){
output += html;
}
${template}
return output;
})`;
return script;
2
3
4
5
6
7
8
9
10
11
12
13
14
# 模板编译函数 compile
将上面的内容拼装成一个模板编译函数 compile
。
function compile(template) {
const evalExpr = /<%=(.+?)%>/g; // 匹配 <%= ... %> 表达式的正则表达式
const expr = /<%([\s\S]+?)%>/g; // 匹配 <% ... %> 表达式的正则表达式
// 替换模板字符串中的 <%= ... %> 和 <% ... %> 表达式
template = template
.replace(evalExpr, '`); \n echo( $1 ); \n echo(`') // 替换 <%= ... %> 表达式
.replace(expr, '`); \n $1 \n echo(`'); // 替换 <% ... %> 表达式
template = 'echo(`' + template + '`);'; // 拼接成最终的模板字符串
// 构造解析函数
let script = `
(function parse(data) {
let output = "";
function echo(html) {
output += html;
}
${template}
return output;
})`;
return script;
}
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
# 使用 compile
函数
compile
函数的用法如下:
let parse = eval(compile(template)); // 通过 eval 执行编译后的模板字符串,生成解析函数
div.innerHTML = parse({ supplies: ["broom", "mop", "cleaner"] });
// 输出:
// <ul>
// <li>broom</li>
// <li>mop</li>
// <li>cleaner</li>
// </ul>
2
3
4
5
6
7
8
# 模板编译完整示例
完整的模板编译和使用示例如下:
// 定义模板字符串
let template = `
<ul>
<% for(let i = 0; i < data.supplies.length; i++) { %>
<li><%= data.supplies[i] %></li>
<% } %>
</ul>
`;
// 模板编译函数
function compile(template) {
const evalExpr = /<%=(.+?)%>/g; // 匹配 <%= ... %> 表达式的正则表达式
const expr = /<%([\s\S]+?)%>/g; // 匹配 <% ... %> 表达式的正则表达式
// 替换模板字符串中的 <%= ... %> 和 <% ... %> 表达式
template = template
.replace(evalExpr, '`); \n echo( $1 ); \n echo(`') // 替换 <%= ... %> 表达式
.replace(expr, '`); \n $1 \n echo(`'); // 替换 <% ... %> 表达式
template = 'echo(`' + template + '`);'; // 拼接成最终的模板字符串
// 构造解析函数
let script = `
(function parse(data) {
let output = "";
function echo(html) {
output += html;
}
${template}
return output;
})`;
return script;
}
// 使用模板编译函数
let parse = eval(compile(template)); // 通过 eval 执行编译后的模板字符串,生成解析函数
// 将解析后的 HTML 赋值给页面元素
div.innerHTML = parse({ supplies: ["broom", "mop", "cleaner"] });
// 输出:
// <ul>
// <li>broom</li>
// <li>mop</li>
// <li>cleaner</li>
// </ul>
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
# 7. 标签模板
模板字符串的功能不仅限于基本的字符串插值。模板字符串可以紧跟在一个函数名后面,调用该函数来处理模板字符串。这种用法被称为“标签模板”(tagged template)。
alert`123`;
// 等同于
alert(123);
2
3
标签模板不是模板,而是函数调用的一种特殊形式。这里的“标签”指的是函数,紧跟在后面的模板字符串就是它的参数。
# 标签模板基本用法
当模板字符串中有变量时,标签模板会将模板字符串处理成多个参数,再调用函数。
let a = 5;
let b = 10;
tag`Hello ${ a + b } world ${ a * b }`;
// 等同于
tag(['Hello ', ' world ', ''], 15, 50);
2
3
4
5
6
上面代码中,模板字符串前面有一个标识名 tag
,它是一个函数。整个表达式的返回值,就是 tag
函数处理模板字符串后的返回值。
# 标签模板的函数调用
标签模板函数 tag
会依次接收到多个参数:
function tag(stringArr, ...values) {
// stringArr 是模板字符串中静态文本部分的数组
// values 是模板字符串中动态插值部分的数组
// 处理逻辑
}
2
3
4
5
例子解释
以下是一个简单的例子,演示如何编写标签模板函数:
let a = 5;
let b = 10;
function tag(strings, v1, v2) {
console.log(strings[0]); // "Hello "
console.log(strings[1]); // " world "
console.log(strings[2]); // ""
console.log(v1); // 15
console.log(v2); // 50
return "OK";
}
tag`Hello ${a + b} world ${a * b}`;
// 输出:
// "Hello "
// " world "
// ""
// 15
// 50
// "OK"
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
一个更复杂的例子
let total = 30;
let msg = passthru`The total is ${total} (${total * 1.05} with tax)`;
function passthru(literals, ...values) {
let result = '';
for (let i = 0; i < literals.length; i++) {
result += literals[i];
if (i < values.length) {
result += values[i];
}
}
return result;
}
console.log(msg); // "The total is 30 (31.5 with tax)"
2
3
4
5
6
7
8
9
10
11
12
13
14
15
上面这个例子展示了,如何将各个参数按照原来的位置拼合回去。
使用 rest 参数改写
passthru
函数可以使用 rest 参数的写法进行改写:
function passthru(literals, ...values) {
let output = "";
for (let i = 0; i < values.length; i++) {
output += literals[i] + values[i];
}
output += literals[values.length];
return output;
}
2
3
4
5
6
7
8
# 标签模板的实际应用
# 过滤 HTML 字符串
标签模板的一个重要应用是过滤 HTML 字符串,防止用户输入恶意内容。
let sender = '<script>alert("abc")</script>';
let message = SaferHTML`<p>${sender} has sent you a message.</p>`;
function SaferHTML(templateData, ...values) {
let s = templateData[0];
for (let i = 0; i < values.length; i++) {
let arg = String(values[i]);
// 转义特殊字符
s += arg.replace(/&/g, "&")
.replace(/</g, "<")
.replace(/>/g, ">");
s += templateData[i + 1];
}
return s;
}
console.log(message);
// <p><script>alert("abc")</script> has sent you a message.</p>
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# 多语言转换(国际化处理)
标签模板的另一个应用是多语言转换(国际化处理)。
i18n`Welcome to ${siteName}, you are visitor number ${visitorNumber}!`
// "欢迎访问xxx,您是第xxxx位访问者!"
2
# 自定义模板处理函数
模板字符串本身并不能取代 Mustache 之类的模板库,因为没有条件判断和循环处理功能,但是通过标签函数,你可以自己添加这些功能。
// 自定义模板处理函数
let libraryHtml = hashTemplate`
<ul>
#for book in ${myBooks}
<li><i>#{book.title}</i> by #{book.author}</li>
#end
</ul>
`;
function hashTemplate(literals, ...values) {
// 实现具体的模板处理逻辑
}
2
3
4
5
6
7
8
9
10
11
12
# 嵌入其他语言
通过标签模板,可以在 JavaScript 代码中嵌入其他语言。
jsx`
<div>
<input
ref='input'
onChange='${this.handleChange}'
defaultValue='${this.state.value}' />
${this.state.value}
</div>
`;
2
3
4
5
6
7
8
9
上面的代码通过 jsx
函数,将一个 DOM 字符串转为 React 对象。你可以在 GitHub 找到 jsx
函数的 具体实现 (opens new window)。
# 模板处理函数的 raw
属性
模板处理函数的第一个参数(模板字符串数组)还有一个 raw
属性。
console.log`123`;
// ["123", raw: Array[1]]
2
上面代码中,console.log
接受的参数实际上是一个数组。该数组有一个 raw
属性,保存的是转义后的原字符串。
tag`First line\nSecond line`;
function tag(strings) {
console.log(strings.raw[0]);
// strings.raw[0] 为 "First line\\nSecond line"
// 打印输出 "First line\nSecond line"
}
2
3
4
5
6
7
上面代码中,tag
函数的第一个参数 strings
,有一个 raw
属性,也指向一个数组。该数组的成员与 strings
数组完全一致。比如,strings
数组是 ["First line\nSecond line"]
,那么 strings.raw
数组就是 ["First line\\nSecond line"]
。两者唯一的区别是,字符串里面的斜杠都被转义了。比如,strings.raw
数组会将 \n
视为 \\
和 n
两个字符,而不是换行符。这是为了方便取得转义之前的原始模板而设计的。
# 8. 模板字符串的限制
前面提到标签模板里面,可以内嵌其他语言。但是,模板字符串默认会将字符串转义,导致无法嵌入其他语言。
# 示例:嵌入 LaTeX 语言
举例来说,标签模板里面可以嵌入 LaTeX 语言。
function latex(strings) {
// 这里可以编写处理 LaTeX 语言的逻辑
// strings 是一个数组,包含模板字符串中的静态部分
// 我们可以通过 strings.raw 获取未转义的原始字符串
return strings.raw[0];
}
let document = latex`
\newcommand{\fun}{\textbf{Fun!}} // 正常工作
\newcommand{\unicode}{\textbf{Unicode!}} // 报错
\newcommand{\xerxes}{\textbf{King!}} // 报错
Breve over the h goes \u{h}ere // 报错
`;
console.log(document);
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
上面代码中,变量 document
内嵌的模板字符串对于 LaTeX 语言来说完全是合法的,但是 JavaScript 引擎会报错。原因就在于字符串的转义。
# 字符串转义问题
模板字符串会将 \u00FF
和 \u{42}
当作 Unicode 字符进行转义,所以 \unicode
解析时报错;而 \x56
会被当作十六进制字符串转义,所以 \xerxes
会报错。也就是说,\u
和 \x
在 LaTeX 里面有特殊含义,但是 JavaScript 将它们转义了。
# ES2018 的解决方案
为了解决这个问题,ES2018 放松了对标签模板里面的字符串转义的限制。如果遇到不合法的字符串转义,就返回 undefined
,而不是报错,并且从 raw
属性上面可以得到原始字符串。
function tag(strings) {
console.log(strings[0] === undefined); // true
console.log(strings.raw[0]); // "\\unicode and \\u{55}"
}
tag`\unicode and \u{55}`;
2
3
4
5
6
上面代码中,模板字符串原本应该报错,但是由于放松了对字符串转义的限制,所以不报错了。JavaScript 引擎将第一个字符设置为 undefined
,但是 raw
属性依然可以得到原始字符串,因此 tag
函数还是可以对原字符串进行处理。
注意事项
这种对字符串转义的放松,只在标签模板解析字符串时生效,不是标签模板的场合依然会报错。
let bad = `bad escape sequence: \unicode`; // 报错
上面代码中,直接在普通字符串中使用不合法的转义序列,依然会报错。
# 完整示例代码
通过标签模板,ES6 提供了一种强大的字符串处理机制,不仅可以嵌入变量,还可以嵌入其他语言。然而,默认的字符串转义可能导致嵌入其他语言时出错。ES2018 放松了标签模板中的字符串转义限制,使得这种嵌入更加灵活和可靠。
以下是完整的示例代码:
// 定义处理 LaTeX 语言的标签模板函数
function latex(strings) {
// 获取原始字符串
return strings.raw[0];
}
// 使用标签模板嵌入 LaTeX 语言
let document = latex`
\newcommand{\fun}{\textbf{Fun!}} // 正常工作
\newcommand{\unicode}{\textbf{Unicode!}} // 报错
\newcommand{\xerxes}{\textbf{King!}} // 报错
Breve over the h goes \u{h}ere // 报错
`;
// 输出未转义的原始字符串
console.log(document); // 打印原始的 LaTeX 代码
// 示例:放松字符串转义限制的标签模板函数
function tag(strings) {
console.log(strings[0] === undefined); // true
console.log(strings.raw[0]); // "\\unicode and \\u{55}"
}
// 使用标签模板调用放松转义限制的函数
tag`\unicode and \u{55}`;
// 普通字符串中的不合法转义序列依然会报错
let bad = `bad escape sequence: \unicode`; // 报错
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29