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:
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。
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"