字符串的新增方法

本章介绍字符串对象的新增方法。

1. String.fromCodePoint()

ES5 提供了String.fromCharCode()方法，用于从 Unicode 码点返回对应字符，但该方法无法识别码点大于0xFFFF的字符。

String.fromCharCode(0x20BB7)
// 返回 "ஷ"

上面的代码中，String.fromCharCode()无法识别大于0xFFFF的码点，因此0x20BB7发生了溢出，最高位2被舍弃，最终返回的是码点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，可以识别大于0xFFFF的字符，弥补了String.fromCharCode()方法的不足。其功能与codePointAt()方法相反。

String.fromCodePoint(0x20BB7)
// 返回 "𠮷"

String.fromCodePoint(0x78, 0x1f680, 0x79) === 'x\uD83D\uDE80y'
// 返回 true

上面的代码中，如果String.fromCodePoint方法接收多个参数，这些参数会被合并成一个字符串返回。

需要注意的是，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。

2. String.raw()

ES6 为原生的 String 对象提供了一个raw()方法，该方法返回一个斜杠都被转义（即斜杠前面再加一个斜杠）的字符串，通常用于处理模板字符串。

String.raw`Hi\n${2+3}!`
// 实际返回 "Hi\\n5!"，显示的是转义后的结果 "Hi\n5!"

String.raw`Hi\u000A!`;
// 实际返回 "Hi\\u000A!"，显示的是转义后的结果 "Hi\u000A!"

如果原字符串的斜杠已经转义，那么String.raw()会进行再次转义。

String.raw`Hi\\n`
// 返回 "Hi\\\\n"

String.raw`Hi\\n` === "Hi\\\\n" // true

String.raw()方法可以作为处理模板字符串的基本方法，它会将所有变量替换，对斜杠进行转义，方便下一步作为字符串使用。

String.raw()本质上是一个正常的函数，只是专用于模板字符串的标签函数。如果写成正常函数的形式，它的第一个参数应该是一个具有raw属性的对象，且raw属性的值应该是一个数组，对应模板字符串解析后的值。

// 模板字符串 `foo${1 + 2}bar`
// 等同于
String.raw({ raw: ['foo', 'bar'] }, 1 + 2) // "foo3bar"

上面代码中，String.raw()方法的第一个参数是一个对象，它的raw属性等同于原始的模板字符串解析后得到的数组。

作为函数，String.raw()的代码实现基本如下：

String.raw = function (strings, ...values) {
  // 初始化输出字符串
  let output = '';
  // 遍历 values 和 strings.raw 数组
  let index;
  for (index = 0; index < values.length; index++) {
    // 将字符串片段和对应的变量值拼接到输出字符串中
    output += strings.raw[index] + values[index];
  }
  // 添加最后一个字符串片段
  output += strings.raw[index];
  // 返回拼接后的字符串
  return output;
}

3. 实例方法：codePointAt()

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 = "𠮷";

s.length // 2
s.charAt(0) // ''  (无法正确读取)
s.charAt(1) // ''  (无法正确读取)
s.charCodeAt(0) // 55362  (前两个字节)
s.charCodeAt(1) // 57271  (后两个字节)

上面代码中，汉字“𠮷”（注意，这个字不是“吉祥”的“吉”）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。

let s = '𠮷a';

s.codePointAt(0) // 134071  (𠮷的码点)
s.codePointAt(1) // 57271  (𠮷的后两个字节)

s.codePointAt(2) // 97  (a的码点)

codePointAt() 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“𠮷a”视为三个字符，codePointAt 方法在第一个字符上，正确地识别了“𠮷”，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“𠮷” 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。

let s = '𠮷a';

s.codePointAt(0).toString(16) // "20bb7"
s.codePointAt(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 codePointAt() 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。

let s = '𠮷a';
for (let ch of s) {
  console.log(ch.codePointAt(0).toString(16));
}
// 输出 "20bb7" 和 "61"

另一种方法是使用扩展运算符（...）进行展开运算。

let arr = [...'𠮷a']; // arr.length === 2
arr.forEach(
  ch => console.log(ch.codePointAt(0).toString(16))
);
// 输出 "20bb7" 和 "61"

codePointAt() 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("𠮷") // true
is32Bit("a") // false

4. 实例方法：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 (两种表示方法被视为不同字符)

'\u01D1'.length // 1 (视为一个字符)
'\u004F\u030C'.length // 2 (视为两个字符)

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()
// true (两种表示方法被正规化为同一个字符)

normalize方法可以接受一个参数来指定normalize的方式，参数的四个可选值如下。

• NFC，默认参数，表示“标准等价合成”（Normalization Form Canonical Composition），返回多个简单字符的合成字符。所谓“标准等价”指的是视觉和语义上的等价。
• NFD，表示“标准等价分解”（Normalization Form Canonical Decomposition），即在标准等价的前提下，返回合成字符分解的多个简单字符。
• NFKC，表示“兼容等价合成”（Normalization Form Compatibility Composition），返回合成字符。所谓“兼容等价”指的是语义上存在等价，但视觉上不等价，比如“囍”和“喜喜”。（这只是用来举例，normalize方法不能识别中文。）
• NFKD，表示“兼容等价分解”（Normalization Form Compatibility Decomposition），即在兼容等价的前提下，返回合成字符分解的多个简单字符。

'\u004F\u030C'.normalize('NFC').length // 1 (合成形式，视为一个字符)
'\u004F\u030C'.normalize('NFD').length // 2 (分解形式，视为两个字符)

上面代码表示，NFC参数返回字符的合成形式，NFD参数返回字符的分解形式。

不过，normalize方法目前不能识别三个或三个以上字符的合成。这种情况下，还是只能使用正则表达式，通过 Unicode 编号区间判断。

5. 实例方法：includes() 包含, startsWith() 头部包含, endsWith() 末尾包含

传统上，JavaScript 只有indexOf方法，可以用来确定一个字符串是否包含在另一个字符串中。ES6 又提供了三种新方法。

• includes()：返回布尔值，表示是否找到了参数字符串。
• startsWith()：返回布尔值，表示参数字符串是否在原字符串的头部。
• endsWith()：返回布尔值，表示参数字符串是否在原字符串的尾部。

let s = 'Hello world!';

s.startsWith('Hello') // true (检查字符串是否以 'Hello' 开头)
s.endsWith('!') // true (检查字符串是否以 '!' 结尾)
s.includes('o') // true (检查字符串是否包含 'o')

这三个方法都支持第二个参数，表示开始搜索的位置。

let s = 'Hello world!';

s.startsWith('world', 6) // true (从位置 6 开始，检查字符串是否以 'world' 开头)
s.endsWith('Hello', 5) // true (前 5 个字符 'Hello' 是否以 'Hello' 结尾)
s.includes('Hello', 6) // false (从位置 6 开始，检查字符串是否包含 'Hello')

上面代码表示，使用第二个参数n时，endsWith的行为与其他两个方法有所不同。它针对前n个字符，而其他两个方法针对从第n个位置直到字符串结束。

6. 实例方法：repeat() 重复

repeat方法返回一个新字符串，表示将原字符串重复n次。

'x'.repeat(3) // "xxx" (重复 'x' 3 次)
'hello'.repeat(2) // "hellohello" (重复 'hello' 2 次)
'na'.repeat(0) // "" (重复 0 次，返回空字符串)

参数如果是小数，会被取整。

'na'.repeat(2.9) // "nana" (取整为 2，重复 'na' 2 次)

如果repeat的参数是负数或者Infinity，会报错。

'na'.repeat(Infinity)
// RangeError (参数不能为 Infinity)
'na'.repeat(-1)
// RangeError (参数不能为负数)

但是，如果参数是 0 到-1 之间的小数，则等同于 0，这是因为会先进行取整运算。0 到-1 之间的小数，取整以后等于-0，repeat视同为 0。

'na'.repeat(-0.9) // "" (取整为 -0，视为 0 次，返回空字符串)

参数NaN等同于 0。

'na'.repeat(NaN) // "" (NaN 视为 0，返回空字符串)

如果repeat的参数是字符串，则会先转换成数字。

'na'.repeat('na') // "" (字符串 'na' 转换为 NaN，视为 0 次)
'na'.repeat('3') // "nanana" (字符串 '3' 转换为数字 3，重复 'na' 3 次)

7. 实例方法：padStart() 补全头部，padEnd() 补全末尾

ES2017 引入了字符串补全长度的功能。如果某个字符串不够指定长度，会在头部或尾部补全。padStart()用于头部补全，padEnd()用于尾部补全。

'x'.padStart(5, 'ab') // 'ababx' (在头部用 'ab' 补全到长度 5)
'x'.padStart(4, 'ab') // 'abax' (在头部用 'ab' 补全到长度 4)

'x'.padEnd(5, 'ab') // 'xabab' (在尾部用 'ab' 补全到长度 5)
'x'.padEnd(4, 'ab') // 'xaba' (在尾部用 'ab' 补全到长度 4)

上面代码中，padStart()和padEnd()一共接受两个参数，第一个参数是字符串补全生效的最大长度，第二个参数是用来补全的字符串。

如果原字符串的长度，等于或大于最大长度，则字符串补全不生效，返回原字符串。

'xxx'.padStart(2, 'ab') // 'xxx' (原字符串长度大于 2，不进行补全)
'xxx'.padEnd(2, 'ab') // 'xxx' (原字符串长度大于 2，不进行补全)

如果用来补全的字符串与原字符串，两者的长度之和超过了最大长度，则会截去超出位数的补全字符串。

'abc'.padStart(10, '0123456789')
// '0123456abc' (补全字符串超出部分被截去)

如果省略第二个参数，默认使用空格补全长度。

'x'.padStart(4) // '   x' (默认用空格补全)
'x'.padEnd(4) // 'x   ' (默认用空格补全)

padStart()的常见用途是为数值补全指定位数。下面代码生成 10 位的数值字符串。

'1'.padStart(10, '0') // "0000000001" (补全为 10 位)
'12'.padStart(10, '0') // "0000000012" (补全为 10 位)
'123456'.padStart(10, '0') // "0000123456" (补全为 10 位)

另一个用途是提示字符串格式。

'12'.padStart(10, 'YYYY-MM-DD') // "YYYY-MM-12" (补全为日期格式)
'09-12'.padStart(10, 'YYYY-MM-DD') // "YYYY-09-12" (补全为日期格式)

8. 实例方法：trimStart() 修剪头部，trimEnd() 修剪末尾

ES2019 (opens new window) 对字符串实例新增了trimStart()和trimEnd()这两个方法。它们的行为与trim()一致，trimStart()消除字符串头部的空格，trimEnd()消除尾部的空格。它们返回的都是新字符串，不会修改原始字符串。

const s = '  abc  ';

s.trim() // "abc" (修剪头部和尾部)
s.trimStart() // "abc  " (只修剪头部)
s.trimEnd() // "  abc" (只修剪尾部)

上面代码中，trimStart()只消除头部的空格，保留尾部的空格。trimEnd()也是类似行为。

除了空格键，这两个方法对字符串头部（或尾部）的 tab 键、换行符等不可见的空白符号也有效。

浏览器还部署了额外的两个方法，trimLeft()是trimStart()的别名，trimRight()是trimEnd()的别名。

9. 实例方法：matchAll()

matchAll()方法返回一个正则表达式在当前字符串的所有匹配，详见《正则的扩展》的一章。

const regex = /t(e)(st(\d?))/g;
const str = 'test1test2';
const matches = str.matchAll(regex);

for (const match of matches) {
  console.log(match);
}

// 输出结果
// ["test1", "e", "st1", "1"]
// ["test2", "e", "st2", "2"]

上面的代码使用 matchAll() 方法返回了字符串中所有匹配正则表达式的结果，包括匹配组的信息。这些结果以迭代器的形式返回，可以通过 for...of 循环进行遍历处理。