DIV CSS 佈局教程網

 DIV+CSS佈局教程網 >> 網頁腳本 >> JavaScript入門知識 >> 關於JavaScript >> 解析JavaScript中的字符串類型與字符編碼支持
解析JavaScript中的字符串類型與字符編碼支持
編輯:關於JavaScript     

定義
字符串就是零個或多個排在一起的字符,放在單引號或雙引號之中。

'abc'
"abc"

單引號字符串的內部,可以使用雙引號。雙引號字符串的內部,可以使用單引號。
'key = "value"'
"It's a long journey"

上面兩個都是合法的字符串。

如果要在單引號字符串的內部,使用單引號(或者在雙引號字符串的內部,使用雙引號),就必須在內部的單引號(或者雙引號)前面加上反斜槓,用來轉義。

'Did she say \'Hello\'?'
// "Did she say 'Hello'?"

"Did she say \"Hello\"?"
// "Did she say "Hello"?"

由於HTML語言的屬性值使用雙引號,所以很多項目約定JavaScript語言的字符串只使用單引號,本教程就遵守這個約定。當然,只使用雙引號也完全可以。重要的是,堅持使用一種風格,不要兩種風格混合。

字符串默認只能寫在一行內,分成多行將會報錯。

'a
b
c'
// SyntaxError: Unexpected token ILLEGAL

上面代碼將一個字符串分成三行,JavaScript就會報錯。

如果長字符串必須分成多行,可以在每一行的尾部使用反斜槓。

var longString = "Long \
long \
long \
string";

longString
// "Long long long string"

上面代碼表示,加了反斜槓以後,原來寫在一行的字符串,可以分成多行書寫。但是,輸出的時候還是單行,效果與寫在同一行完全一樣。注意,反斜槓的後面必須是換行符,而不能有其他字符(比如空格),否則會報錯。

連接運算符(+)可以連接多個單行字符串,將長字符串拆成多行書寫,輸出的時候也是單行。

var longString = 'Long '
 + 'long '
 + 'long '
 + 'string';

如果想輸出多行字符串,有一種利用多行注釋的變通方法。

(function () { /*
line 1
line 2
line 3
*/}).toString().split('\n').slice(1, -1).join('\n')
// "line 1
// line 2
// line 3"

上面的例子中,輸出的字符串就是多行。

轉義
反斜槓(\)在字符串內有特殊含義,用來表示一些特殊字符,所以又稱為轉義符。

需要用反斜槓轉義的特殊字符,主要有下面這些:

  • \0 null(\u0000)
  • \b 後退鍵(\u0008)
  • \f 換頁符(\u000C)
  • \n 換行符(\u000A)
  • \r 回車鍵(\u000D)
  • \t 制表符(\u0009)
  • \v 垂直制表符(\u000B)
  • \' 單引號(\u0027)
  • \" 雙引號(\u0022)
  • \ 反斜槓(\u005C)

上面這些字符前面加上反斜槓,都表示特殊含義。

console.log('1\n2')
// 1
// 2

上面代碼中,\n表示換行,輸出的時候就分成了兩行。

反斜槓還有三種特殊用法。

(1)\HHH

反斜槓後面緊跟三個八進制數(000到377),代表一個字符。HHH對應該字符的Unicode碼點,比如\251表示版權符號。顯然,這種方法只能輸出256種字符。

(2)\xHH

\x後面緊跟兩個十六進制數(00到FF),代表一個字符。HH對應該字符的Unicode碼點,比如\xA9表示版權符號。這種方法也只能輸出256種字符。

(3)\uXXXX

\u後面緊跟四個十六進制數(0000到FFFF),代表一個字符。HHHH對應該字符的Unicode碼點,比如\u00A9表示版權符號。

下面是這三種字符特殊寫法的例子。

'\251' // "©"
'\xA9' // "©"
'\u00A9' // "©"

'\172' === 'z' // true
'\x7A' === 'z' // true
'\u007A' === 'z' // true

如果在非特殊字符前面使用反斜槓,則反斜槓會被省略。

'\a'
// "a"

上面代碼中,a是一個正常字符,前面加反斜槓沒有特殊含義,反斜槓會被自動省略。

如果字符串的正常內容之中,需要包含反斜槓,則反斜槓前面需要再加一個反斜槓,用來對自身轉義。

"Prev \\ Next"
// "Prev \ Next"

字符串與數組
字符串可以被視為字符數組,因此可以使用數組的方括號運算符,用來返回某個位置的字符(位置編號從0開始)。

var s = 'hello';
s[0] // "h"
s[1] // "e"
s[4] // "o"

// 直接對字符串使用方括號運算符
'hello'[1] // "e"

如果方括號中的數字超過字符串的長度,或者方括號中根本不是數字,則返回undefined。

'abc'[3] // undefined
'abc'[-1] // undefined
'abc'['x'] // undefined

但是,字符串與數組的相似性僅此而已。實際上,無法改變字符串之中的單個字符。

var s = 'hello';

delete s[0];
s // "hello"

s[1] = 'a';
s // "hello"

s[5] = '!';
s // "hello"

上面代碼表示,字符串內部的單個字符無法改變和增刪,這些操作會默默地失敗。

字符串之所以類似於字符數組,實際是由於對字符串進行方括號運算時,字符串會自動轉換為一個字符串對象。

length屬性
length屬性返回字符串的長度,該屬性也是無法改變的。

var s = 'hello';
s.length // 5

s.length = 3;
s.length // 5

s.length = 7;
s.length // 5

上面代碼表示字符串的length屬性無法改變,但是不會報錯。

字符集
JavaScript使用Unicode字符集,也就是說在JavaScript內部,所有字符都用Unicode表示。

不僅JavaScript內部使用Unicode儲存字符,而且還可以直接在程序中使用Unicode,所有字符都可以寫成”\uxxxx”的形式,其中xxxx代表該字符的Unicode編碼。比如,\u00A9代表版權符號。

var s = '\u00A9';
s // "©"

每個字符在JavaScript內部都是以16位(即2個字節)的UTF-16格式儲存。也就是說,JavaScript的單位字符長度固定為16位長度,即2個字節。

但是,UTF-16有兩種長度:對於U+0000到U+FFFF之間的字符,長度為16位(即2個字節);對於U+10000到U+10FFFF之間的字符,長度為32位(即4個字節),而且前兩個字節在0xD800到0xDBFF之間,後兩個字節在0xDC00到0xDFFF之間。舉例來說,U+1D306對應的字符為𝌆,它寫成UTF-16就是0xD834 0xDF06。浏覽器會正確將這四個字節識別為一個字符,但是JavaScript內部的字符長度總是固定為16位,會把這四個字節視為兩個字符。

var s = '\uD834\uDF06';

s // "𝌆"
s.length // 2
/^.$/.test(s) // false
s.charAt(0) // ""
s.charAt(1) // ""
s.charCodeAt(0) // 55348
s.charCodeAt(1) // 57094

上面代碼說明,對於於U+10000到U+10FFFF之間的字符,JavaScript總是視為兩個字符(字符的length屬性為2),用來匹配單個字符的正則表達式會失敗(JavaScript認為這裡不止一個字符),charAt方法無法返回單個字符,charCodeAt方法返回每個字節對應的十進制值。

所以處理的時候,必須把這一點考慮在內。對於4個字節的Unicode字符,假定C是字符的Unicode編號,H是前兩個字節,L是後兩個字節,則它們之間的換算關系如下。

// 將大於U+FFFF的字符,從Unicode轉為UTF-16
H = Math.floor((C - 0x10000) / 0x400) + 0xD800
L = (C - 0x10000) % 0x400 + 0xDC00

// 將大於U+FFFF的字符,從UTF-16轉為Unicode
C = (H - 0xD800) * 0x400 + L - 0xDC00 + 0x10000

下面的正則表達式可以識別所有UTF-16字符。

([\0-\uD7FF\uE000-\uFFFF]|[\uD800-\uDBFF][\uDC00-\uDFFF])

由於JavaScript引擎(嚴格說是ES5規格)不能自動識別輔助平面(編號大於0xFFFF)的Unicode字符,導致所有字符串處理函數遇到這類字符,都會產生錯誤的結果。如果要完成字符串相關操作,就必須判斷字符是否落在0xD800到0xDFFF這個區間。

下面是能夠正確處理字符串遍歷的函數。

function getSymbols(string) {
 var length = string.length;
 var index = -1;
 var output = [];
 var character;
 var charCode;
 while (++index < length) {
  character = string.charAt(index);
  charCode = character.charCodeAt(0);
  if (charCode >= 0xD800 && charCode <= 0xDBFF) {
   output.push(character + string.charAt(++index));
  } else {
   output.push(character);
  }
 }
 return output;
}

var symbols = getSymbols('𝌆');

symbols.forEach(function(symbol) {
 // ...
});

替換(String.prototype.replace)、截取子字符串(String.prototype.substring, String.prototype.slice)等其他字符串操作,都必須做類似的處理。

Base64轉碼
Base64是一種編碼方法,可以將任意字符轉成可打印字符。使用這種編碼方法,主要不是為了加密,而是為了不出現特殊字符,簡化程序的處理。

JavaScript原生提供兩個Base64相關方法。

  • btoa():字符串或二進制值轉為Base64編碼
  • atob():Base64編碼轉為原來的編碼
var string = 'Hello World!';

btoa(string) // "SGVsbG8gV29ybGQh"
atob('SGVsbG8gV29ybGQh') // "Hello World!"
這兩個方法不適合非ASCII碼的字符,會報錯。

btoa('你好')
// Uncaught DOMException: The string to be encoded contains characters outside of the Latin1 range.
要將非ASCII碼字符轉為Base64編碼,必須中間插入一個轉碼環節,再使用這兩個方法。

function b64Encode(str) {
 return btoa(encodeURIComponent(str));
}

function b64Decode(str) {
 return decodeURIComponent(atob(str));
}

b64Encode('你好') // "JUU0JUJEJUEwJUU1JUE1JUJE"
b64Decode('JUU0JUJEJUEwJUU1JUE1JUJE') // "你好"
XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved