不论在何种编程语言中,字符串都是重要的数据类型,跟随我了解更多JavaScript
字符串知识吧!
字符串就是由字符组成的串,如果学习过C
、Java
就应该知道,字符本身也可以独立成为一个类型。但是,JavaScript
没有单个的字符类型,只有长度为1
的字符串。
JavaScript
的字符串采用固定的UTF-16
编码,不论我们编写程序时采用何种编码,都不会影响。
字符串有三种写法:单引号、双引号、反引号。
let single = 'abcdefg';//单引号
let double = "asdfghj";//双引号
let backti = `zxcvbnm`;//反引号
单、双引号具有相同的地位,我们不做区分。
字符串格式化
反引号允许我们使用${...}
优雅的格式化字符串,取代使用字符串加运算。
let str = `I'm ${Math.round(18.5)} years old.`;
console.log(str);
代码执行结果:
多行字符串
反引号还可以允许字符串跨行,当我们编写多行字符串的时候非常有用。
let ques = `Is the author handsome?
A. Very handsome;
B. So handsome;
C. Super handsome;
`;
console.log(ques);
代码执行结果:
是不是看起来觉得也没有什么?但是使用单双引号是不能实现的,如果想要得到同样的结果可以这么写:
let ques = 'Is the author handsome?\nA. Very handsome;\nB. So handsome;\nC. Super handsome;';
console.log(ques);
以上代码包含了一个特殊字符\n
,它是我们编程过程中最常见的特殊字符了。
字符\n
又名"换行符",支持单双引号输出多行字符串。当引擎输出字符串时,若遇到\n
,就会另换一行继续输出,从而实现多行字符串。
虽然\n
看起来是两个字符,但是只占用一个字符位置,这是因为\
在字符串中是转义符,被转义符修饰的字符就变成了特殊字符。
特殊字符列表
特殊字符 | 描述 |
---|---|
\n |
换行符,用于新起一行输出文字。 |
\r |
回车符,将光标移到行首,在Windows 系统中使用\r\n 表示一个换行,意思是光标需要先到行首,然后再到下一行才可以换一个新的行。其他系统直接使用\n 就可以了。 |
\' \" |
单双引号,主要是因为单双引号是特殊字符,我们想在字符串中使用单双字符就要转义。 |
\\ |
反斜杠,同样因为\ 是特殊字符,如果我们就是想输出\ 本身,就要对其转义。 |
\b \f \v |
退格、换页、垂直标签——已经不再使用。 |
\xXX |
编码为XX 的十六进制Unicode 字符,例如:\x7A 表示z (z 的十六进制Unicode 编码为7A )。 |
\uXXXX |
编码为XXXX 的十六进制Unicode 字符,例如:\u00A9 表示 © 。 |
\u{X...X} (1-6 个十六进制字符) |
UTF-32 编码为X...X 的Unicode 符号。 |
举个例子:
console.log('I\'m a student.');// \'
console.log("\"I love U\"");// \"
console.log("\\n is new line character.");// \n
console.log('\u00A9')// ©
console.log('\u{1F60D}');//
代码执行结果:
有了转义符\
的存在,理论上我们可以输出任何字符,只要找到它对应的编码就可以了。
避免使用\'
、\"
对于字符串中的单双引号,我们可以通过在单引号中使用双引号、在双引号中使用单引号,或者直接在反引号中使用单双引号,就可以巧妙的避免使用转义符,例如:
console.log("I'm a student.");//双引号中使用单引号
console.log('"" is used.');//单引号中使用双引号
console.log(`' " is used.`);//反引号中使用单双引号
代码执行结果如下:
通过字符串的.length
属性,我们可以获得字符串的长度:
console.log("HelloWorld\n".length);//11
这里\n
只占用了一个字符。
《基础类型的方法》章节我们探究了
JavaScript
中的基础类型为什么会有属性和方法,你还记得吗?
字符串是字符组成的串,我们可以通过[字符下标]
访问单个的字符,字符下标从0
开始:
let str = "The author is handsome.";
console.log(str[0]);//T
console.log(str[4]);//a
console.log(str[str.length-1]);//.
代码执行结果:
我们还可以使用charAt(post)
函数获得字符:
let str = "The author is handsome.";
console.log(str.charAt(0));//T
console.log(str.charAt(4));//a
console.log(str.charAt(str.length-1));//.
二者执行效果完全相同,唯一的区别在于越界访问字符时:
let str = "01234";
console.log(str[9]);//undefined
console.log(str.charAt(9));//""(空串)
我们还可以使用for ..of
遍历字符串:
for(let c of '01234'){
console.log(c);
}
JavaScript
中的字符串一经定义就不可更改,举个例子:
let str = "Const";
str[0] = 'c' ;
console.log(str);
代码执行结果:
如果想获得一个不一样的字符串,只能新建:
let str = "Const";
str = str.replace('C','c');
console.log(str);
看起来我们似乎改变了字符串,实际上原来的字符串并没有被改变,我们得到的是replace
方法返回的新字符串。
转换字符串大小写,或者转换字符串中单个字符的大小写。
这两个字符串的方法比较简单,举例带过:
console.log('Good Boy'.toLowerCase());//good boy
console.log('Good Boy'.toUpperCase());//GOOD BOY
console.log('Good Boy'[5].toLowerCase());//b
代码执行结果:
.indexOf(substr,idx)
函数从字符串的idx
位置开始,查找子串substr
的位置,成功返回子串首字符下标,失败返回-1
。
let str = "google google";
console.log(str.indexOf('google'));//0 idx默认为0
console.log(str.indexOf('google',1));//7 从第二个字符开始查找
console.log(str.indexOf('xxx'));//-1 没找到返回-1
代码执行结果:
如果我们想查询字符串中所有子串位置,可以使用循环:
let str = "I love love love love u.";
let sub = "love";
let pos = -1;
while((pos = str.indexOf(sub,pos+1)) != -1)
console.log(pos);
代码执行结果如下:
.lastIndexOf(substr,idx)
倒着查询子串,首先查找最后一个符合的串:
let str = "google google";
console.log(str.lastIndexOf('google'));//7 idx默认为0
由于indexOf()
和lastIndexOf()
方法在查询不成功的时候会返回-1
,而~-1 === 0
。也就是说只有在查询结果不为-1
的情况下使用~
才为真,所以我们可以:
let str = "google google";
if(~indexOf('google',str)){
...
}
通常情况下,我们不推荐在不能明显体现语法特性的地方使用一个语法,这会在可读性上产生影响。好在以上代码只出现在旧版本的代码中,这里提到就是为了大家在阅读旧代码的时候不会产生困惑。
补充:
~
是按位取反运算符,例如:十进制的数字2
的二进制形式为0010
,~2
的二进制形式就是1101
(补码),也就是-3
。简单的理解方式,
~n
等价于-(n+1)
,例如:~2 === -(2+1) === -3
.includes(substr,idx)
用于判断substr
是否在字符串中,idx
是查询开始的位置
console.log('Google Google'.includes('Google'));//true
console.log('Google Google'.includes('xxxxxx'));//false
console.log('9966'.includes('99',1));//false
代码执行结果:
.startsWith('substr')
和.endsWith('substr')
分别判断字符串是否以substr
开始或结束
console.log("google".startsWith('go'));//true
console.log('google'.endsWith('le'));//true
console.log('google'.endsWith('ie'));//false
代码执行结果:
.substr()
、.substring()
、.slice()
均用于取字符串的子串,不过用法各有不同。
.substr(start,len)
返回字符串从start
开始len
个字符组成的字符串,如果省略len
,就截取到原字符串的末尾。start
可以为负数,表示从后往前第start
个字符。
let str = "0123456789";
console.log(str.substr(1))//123456789,从1开始到最后
console.log(str.substr(3,2))//34,从3开始的2个字符
console.log(str.substr(-3,2))//78,倒数第二个开始
代码执行结果:
.slice(start,end)
返回字符串从start
开始到end
结束(不包括)的字符串。start
和end
可以为负数,表示倒数第start/end
个字符。
let str = '0123456789';
console.log(str.slice(1,5));//1234,区间[1,5)之间的字符
console.log(str.slice(1));//123456789,从1到结尾
console.log(str.slice(-4,-1));//678,倒数第四个到倒数第1个
代码执行结果:
.substring(start,end)
作用几乎和.slice()
相同,差别在两个地方:
end > start
;0
;举例:
let str = '0123456789';
console.log(str.substring(1,3));//12
console.log(str.substring(3,1));//12
console.log(str.substring(-1,3));//012,-1被当作0
代码执行结果:
对比三者的区别:
方法 | 描述 | 参数 |
---|---|---|
.slice(start,end) |
[start,end) |
可负 |
.substring(start,end) |
[start,end) |
负值为0 |
.substr(start,len) |
从start 开始长为len 的子串 |
可负 |
方法多了自然就选择困难了,这里建议记住
.slice()
就可以了,相比于其他两种更灵活。
我们在前文中已经提及过字符串的比较,字符串按照字典序进行排序,每个字符背后都是一个编码,ASCII
编码就是一个重要的参考。
例如:
console.log('a'>'Z');//true
字符之间的比较,本质上是代表字符的编码之间的比较。JavaScript
使用UTF-16
编码字符串,每个字符都是一个16
为的代码,想要知道比较的本质,就需要使用.codePointAt(idx)
获得字符的编码:
console.log('a'.codePointAt(0));//97
console.log('Z'.codePointAt(0));//90
代码执行结果:
使用String.fromCodePoint(code)
可以把编码转为字符:
console.log(String.fromCodePoint(97));
console.log(String.fromCodePoint(90));
代码执行结果如下:
这个过程可以用转义符\u
实现,如下:
console.log('\u005a');//Z,005a是90的16进制写法
console.log('\u0061');//a,0061是97的16进制写法
下面我们探索一下编码为[65,220]
区间的字符:
let str = '';
for(let i = 65; i<=220; i++){
str+=String.fromCodePoint(i);
}
console.log(str);
代码执行部分结果如下:
上图并没有展示所有的结果,快去试试吧。
基于国际化标准ECMA-402
,JavaScript
已经实现了一个特殊的方法(.localeCompare()
)比较各种字符串,采用str1.localeCompare(str2)
的方式:
str1 < str2
,返回负数;str1 > str2
,返回正数;str1 == str2
,返回0;举个例子:
console.log("abc".localeCompare('def'));//-1
为什么不直接使用比较运算符呢?
这是因为英文字符有一些特殊的写法,例如,á
是a
的变体:
console.log('á' < 'z');//false
虽然也是a
,但是比z
还要大!!
此时就需要使用.localeCompare()
方法:
console.log('á'.localeCompare('z'));//-1
str.trim()
去除字符串前后空白字符,str.trimStart()
、str.trimEnd()
删除开头、结尾的空格;
let str = " 999 ";
console.log(str.trim());//999
str.repeat(n)
重复n
次字符串;
let str = '6';
console.log(str.repeat(3));//666
str.replace(substr,newstr)
替换第一个子串,str.replaceAll()
用于替换所有子串;
let str = '9+9';
console.log(str.replace('9','6'));//6+9
console.log(str.replaceAll('9','6'));//6+6
还有很多其他方法,我们可以访问手册获取更多知识。
JavaScript
使用UTF-16
编码字符串,也就是使用两个字节(16
位)表示一个字符,但是16
位数据只能表示65536
个字符,对于常见字符自然不在话下,但是对于生僻字(中文的)、emoji
、罕见数学符号等就力不从心了。
这种时候就需要扩展,使用更长的位数(32
位)表示特殊字符,例如:
console.log(''.length);//2
console.log(''.length);//2
代码执行结果:
这么做的结果是,我们无法使用常规的方法处理它们,如果我们单个输出其中的每个字节,会发生什么呢?
console.log(''[0]);
console.log(''[1]);
代码执行结果:
可以看到,单个输出字节是不能识别的。
好在String.fromCodePoint()
和.codePointAt()
两个方法是可以处理这种情况的,这是因为二者是最近才加入的。在旧版本的JavaScript
中,只能使用String.fromCharCode()
和.charCodeAt()
两个方法转换编码和字符,但是他们不适用于特殊字符的情况。
我们可以通过判断一个字符的编码范围,判断它是否是一个特殊字符,从而处理特殊字符。如果一个字符的代码在0xd800~0xdbff
之间,那么他是32
位字符的第一部分,它的第二部分应该在0xdc00~0xdfff
。
举个例子:
console.log(''.charCodeAt(0).toString(16));//d83d
console.log(''.charCodeAt(1).toString(16));//de02
代码执行结果:
在英文中,存在很多基于字母的变体,例如:字母 a
可以是 àáâäãåā
的基本字符。这些变体符号并没有全部存储在UTF-16
编码中,因为变化组合太多了。
为了支持所有的变体组合,同样使用多个Unicode
字符表示单个变体字符,在编程过程中,我们可以使用基本字符加上“装饰符号”的方式表达特殊字符:
console.log('a\u0307');//ȧ
console.log('a\u0308');//ȧ
console.log('a\u0309');//ȧ
console.log('E\u0307');//Ė
console.log('E\u0308');//Ë
console.log('E\u0309');//Ẻ
代码执行结果:
一个基础字母还可以有多个装饰,例如:
console.log('E\u0307\u0323');//Ẹ̇
console.log('E\u0323\u0307');//Ẹ̇
代码执行结果:
这里存在一个问题,在多个装饰的情况下,装饰的排序不同,实际上展示的字符是一样的。
如果我们直接比较这两种表示形式,却会得到错误的结果:
let e1 = 'E\u0307\u0323';
let e2 = 'E\u0323\u0307';
console.log(`${e1}==${e2} is ${e1 == e2}`)
代码执行结果:
为了解决这种情况,有一个**Unicode
规范化算法,可以将字符串转为通用**格式,由str.normalize()
实现:
let e1 = 'E\u0307\u0323';
let e2 = 'E\u0323\u0307';
console.log(`${e1}==${e2} is ${e1.normalize() == e2.normalize()}`)
代码执行结果:
3
种引号定义字符串,反引号可以使用${..}
格式化字符串;UTF-16
编码;\
;[]
;.slice()
;toLowerCase()
、toUpperCase()
;indexOf()
、lastIndexOf()
;includes()
、startsWith()
、endsWith()
;localeCompre()
;