在介紹字元串之前，有必要先了解一點Unicode的基礎知識，有助於理解ES6提供的新功能和新特性。

一、Unicode

　　Unicode是一種字符集（即多個字元的集合），它的目標是涵蓋世界上的所有字元，為其提供唯一的標識符，這個標識符叫做碼位或碼點（Code Point）。碼位既可以用一個從0開始計算的數值表示，也可以用U+作為前綴後面緊跟十六進位數表示。

　　Unicode只規定了每個字元的碼位，但並沒有規定如何用位元組序列（即二進位數字存儲方式）表示字元，於是就出現了字元編碼（Character Encoding）。Unicode包含多種字元編碼，例如UTF-8、UTF-16等，此處的UTF前綴是Unicode Transformation Format的縮寫，即統一轉換格式，它們都是Unicode的一種實現方式。其中UTF-8是變長編碼，使用1~4個位元組表示一個字元，它的最小編碼單元（Code Unit）為一個位元組（即8位）；而UTF-16使用2或4個位元組表示一個字元，它的最小編碼單元為兩個位元組（即16位）。

　　Unicode的碼位範圍從U+0000到U+10FFFF，由於包含的字元眾多，因此會把它們劃分成17組，組也叫平面（Plane），每個平面包含2^16=65536個字元，其中第0個平面叫做基本多語言平面（Basic Multilingual Plane，簡稱BMP），碼位範圍從U+0000到U+FFFF（包含了ASCII碼），剩下的16個為輔助平面（Supplementary Plane）。

　　JavaScript採用了UTF-16編碼的Unicode字符集，BMP中的字元可用一個16位的編碼單元表示，而輔助平面中的字元則要遵循UTF-16的代理對（Surrogate Pair）規則，即用兩個編碼單元表示。這意味著JavaScript中的一個Unicode字元，它的長度有可能是1，但也有可能是2。由於JavaScript中的字元串方法（例如substring()、charAt()等）都會受到這種編碼規則的影響，因此有時候會返回出人意料的結果。不過好在ES6大幅增強了對Unicode的支持，有效避免了這種意外性情況的發生。

二、Unicode字元

　　在JavaScript中，Unicode字元可以用Unicode轉義字元的形式（即uXXXX）表示，其中4個「X」表示字元的碼位，而「X」是一個16進位字元，還要注意一點，ES5只支持4個「X」。也就是說，這種形式只能表示BMP中的字元（即U+0000到U+FFFF內的字元），如果要使用輔助平面中的字元，那麼需要寫兩個Unicode轉義字元。下面代碼中，第一個字元是BMP中的「向」，第二個字元是2號平面中的「??」。

let word1 = "u5411";
console.log(word1); //"向"
let word2 = "ud842udfb3";
console.log(word2); //"??"

　　ES6為Unicode字元提供了一種新形式，只需把碼位用花括弧包裹，就能支持輔助平面中的字元。下面使用了新形式來描述字元「??」。

let word3 = "u{20BB3}";
console.log(word3); //"??"

三、Unicode標準化

　　Unicode標準化（Unicode Normalization），也叫Unicode正規化或Unicode規範化，可將字元轉換成指定的位元組序列，統一表現形式，以及確定字元之間的等價性。例如字元「ü」，既可以只用U+00FC表示，也可以用U+0075（u）和U+0308（¨）組合表示，雖然對於人類來說，兩種表示法得到的結果在視覺上是完全相同的，但對於計算機來說卻是不同的，如下所示。

var mark1 = "u00FC",
mark2 = "u0075u0308";
mark1 === mark2; //false

　　ES6新增了一個原型方法normalize()，可以將字元串標準化，修改上面的例子，就能得到相等的結果，如下所示。

mark1.normalize() === mark2.normalize(); //true

　　normalize()方法可以接收一個字元串參數，但只有4個可選值（如表4所示），其中「NFC」是方法的默認值。

表4 標準化參數

　　上表中的標準等價（Canonical Equivalence）和兼容等價（Compatibility Equivalence）都表示相同的字元或字元序列，並且前者是後者的一個子集。標準等價會保持視覺外觀和文本含義，前面字元「ü」的示例就用到了標準等價；而兼容等價會改變視覺外觀和文本含義，例如羅馬數字十二（Ⅻ）可由一個羅馬數十（Ⅹ）和兩個羅馬數一（Ⅰ）組成，兩者只有通過兼容等價的標準化處理後才能匹配成功，如下所示。

var digit1 = "u216B", //"Ⅻ"
 digit2 = "u2169u2160u2160"; //"ⅩⅠⅠ"
digit1 = digit1.normalize("NFKC"); //"XII"
digit2 = digit2.normalize("NFKC"); //"XII"
digit1 === digit2; //true

四、碼位的處理

　　字元串的原型方法charCodeAt()可以讀取到BMP中的字元的碼位，而輔助平面中的字元卻無法正確讀取，它們會被當成兩個字元來對待。還是以「??」為例，如下所示，分別返回字元串第0和第1處位置的碼位。

var str = "??";
str.charCodeAt(0); //55362
str.charCodeAt(1); //57267

　　ES6提供了codePointAt()方法，有效解決了上述問題，如下所示。

str.codePointAt(0); //134067
str.codePointAt(1); //57267

　　不過需要注意，codePointAt()方法還能返回字元的第二個編碼單元的碼位，即上面代碼中第2條語句。

　　String對象的靜態方法fromCharCode()可將碼位轉換成字元，功能和charCodeAt()方法正好相反，但也不能正確處理輔助平面中的字元。為此，ES6擴展了String對象，新增了一個靜態方法fromCodePoint()，和codePointAt()方法對應，如下所示，由於第1條語句得到的結果是一個無法列印的字元，因此沒有展示。

String.fromCharCode(134067);
String.fromCodePoint(134067); //"??"

五、解析字元串

　　ES6增強了JavaScript解析字元串的能力，新增了3個檢索子串的方法（如表5所示），它們都返回布爾值。在某些場景，這些方法是indexOf()的理想替代品。

表5 新的檢索方法

　　三個方法都能接收兩個參數，先介紹第一個參數，表示要檢索的子串，注意，子串不能是正則表達式，下面展示了只傳一個參數時的情況。

var str = "My name is strick";
str.length; 　//17
str.includes("name"); //true
str.startsWith("name"); //false
str.endsWith("name"); //false

　　方法的第二個參數是一個可選值，它有兩種含義。在includes()和startsWith()方法中用於指定檢索的起始位置，默認值為0；而在endsWith()方法中用於指定原字元串str的長度，默認值為str.length。修改上面的代碼，為startsWith()和endsWith()分別傳入第二個參數，前者的值為3，後者的值為7，它們的結果都變成了true，如下所示。

str.startsWith("name", 3); //true
str.endsWith("name", 7); //true

　　除了檢索的新方法，ES6還提供了一個重複字元串的新方法：repeat()，它的參數是一個正整數，表示重複的次數，使用方法如下所示。

"name".repeat(2); //"namename"

　　最後介紹的是String對象的靜態方法raw()，在第4篇模板字面量的標籤模板中曾提到過。不過當時只強調了它是一個內置的標籤模板，用於獲取原始信息，但其實它也可以作為普通的函數來使用。只不過它的第一個參數得是一個包含raw屬性的對象，raw屬性的值既可以是數組也可以是字元串，第二個是可選的剩餘參數，這些參數可插到指定位置，例如方法的第二個參數需要插到raw屬性值中的第一和第二個元素之間，具體可參考下面的例子。

String.raw({raw: "abc"}, 0, 1, 2); 　//"a0b1c"
//相當於
String.raw({raw: ["a", "b", "c"]}, 0, 1, 2); //"a0b1c"

推薦閱讀：

相关文章