29.精讲JavaScript字符串，常见的基础方法以及特殊字符、emoji内部表示方式

JavaScript字符串详解

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！

前言

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。

写法

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。

特殊字符

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：

.length

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？

访问字符、charAt()、for…of

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);
}

字符串不可变

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。

.toLowerCase()、.toUpperCase()

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()、.lastIndexOf() 查找子串

.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

按位取反技巧（不推荐，但要会）

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()、.startsWith()、.endsWith()

1. .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：

   

2. .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()

.substr()、.substring()、.slice()均用于取字符串的子串，不过用法各有不同。

1. .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：

   

2. .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：

   

3. .substring(start,end)

   作用几乎和.slice()相同，差别在两个地方：

   • 允许end > start;
   • 不允许负数，负数视为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。

.codePointAt()、String.fromCodePoint()

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。

.localeCompare()

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：

1. 如果str1 < str2，返回负数；
2. 如果str1 > str2，返回正数；
3. 如果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

常用方法

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
   

2. str.repeat(n)重复n次字符串；

   let str = '6';
   console.log(str.repeat(3));//666
   

3. 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。

进阶内容

生僻字、emoji、特殊符号

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：

规范化

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：

总结

1. 有3种引号定义字符串，反引号可以使用${..}格式化字符串;
2. 字符串使用UTF-16编码;
3. 转义符\;
4. 访问字符[];
5. 获取子串.slice();
6. 大小写转换toLowerCase()、toUpperCase();
7. 查找子串indexOf()、lastIndexOf();
8. 包含性判断includes()、startsWith()、endsWith();
9. 字符串比较localeCompre();