乐趣区

关于javascript:ES6新增APIString篇二

jiezi

这篇文章介绍 ES6 中针对 unicode 字符串的几个新增函数。

  1. String.prototype.codePointAt
    函数类型：

    (index?: number)=> number|undefined

    codePointAt是一个原型函数，它依据传入的 index 参数，返回字符串中位于该处的字符的 码点 （code point）值。这个办法能够辨认utf-16 中的 4 字节 码点，反对的范畴比原型函数 charCodeAt 更广，charCodeAt只能辨认 2 字节 的根本立体字符 （BMP）。另外，当index 越界时，codePointAt返回 undefined，charCodeAt 返回NaN。

    除了这两点之外，codePointAt和 charCodeAt 的后果基本一致:

    • index的参数默认值都为0

    • 当字符处于根本立体字符集的时候，二者返回的后果是一样的。

      const str = 'abc'; // 字符 'a' 位于根本立体字符集中
console.log(str.codePointAt(0));//97
//index 默认值为 0
console.log(str.codePointAt());//97
//index 越界时，返回 undefined
console.log(str.codePointAt(5));//undefined
console.log(str.charCodeAt(0));//97
//index 默认值为 0
console.log(str.charCodeAt());//97
//index 越界时，返回 NaN
console.log(str.charCodeAt(5));//NaN

  • 当字符处于辅助立体字符集的时候，codePointAt可能正确辨认，并返回对应字符的码点（code point）。charCodeAt不能正确辨认，只能返回以后地位的 2 字节字符的码点。

    比方，对于辅助立体的低音字符 𝄞，它由 两个 2 字节 的根本立体字符 0xd834 和 0xdd1e 示意。当咱们对𝄞

    应用 charCodeAt 时，只能失去对应地位的码点。

    const str = '\ud834\udd1e'; // 辅助立体字符 低音字符 𝄞
console.log(str.charCodeAt(0).toString(16)); //d834 
console.log(str.charCodeAt(1).toString(16)); //dd1e

    当咱们应用 codePointAt 时，能够失去 𝄞 的码点0x1d11e。

    console.log(str.codePointAt(0).toString(16)); //1d11e
// 当 index 为 1 时，'\udd1e' 前面没有另一个代码单元，被认为只是一个 2 字节的字符，而非是一对代码单元，所以此时只返回 '\udd1e' 的码点，而非 '\ud834\udd1e' 的码点
console.log(str.codePointAt(1).toString(16)); //dd1e

  1. String.fromCodePoint

    函数类型：

    (...codePoints: number[])=> string

    动态函数 fromCodePoint 是依据传入的 unicode 码点返回对应的字符串，和 fromCharCode 相比，它反对间接传入辅助立体的码点值了。还是以低音符号 𝄞 为例，应用 fromCodePoint 能够间接传入码点值 0x1d11e，而fromCharCode 值须要传入0xd834 和 0xdd1e。

    console.log(String.fromCodePoint(0x1d11e)); //𝄞
console.log(String.fromCodePoint(0xd834, 0xdd1e)); //𝄞
console.log(String.fromCharCode(0x1d11e)); //턞 不能正确辨认，乱码
console.log(String.fromCharCode(0xd834, 0xdd1e)); //𝄞

    对于根本立体的字符，fromCodePoint和 fromCharCode 后果是一样的。

    console.log(String.fromCodePoint(97)); //'a'
console.log(String.fromCodePoint(97, 98)); //'ab'
console.log(String.fromCodePoint()); //''console.log(String.fromCharCode(97)); //'a'console.log(String.fromCharCode(97, 98)); //'ab'console.log(String.fromCharCode()); //''

  2. String.prototype.normalize

    函数类型：

    (form:'NFC'|'NFD'|'NFKC'|'NFKD')=>string

    原型函数 normalize 承受一个指定正规化（如果你不明确 NFC、NFD 等的意义，点一下）模式的参数 form，form 默认值为 ’NFC’（Normalization Form Canonical Composition，以规范等价形式来合成，而后以规范等价重组），返回正规化的字符串。

    unicode对 合成符号 （字符中的字母带有腔调等附加符号）提供了 两种 示意形式，一种是应用 一个 unicode 码点 示意，一种是将合成字符中的字母与附加符号组合，应用两个码点 ，比方ń 是一个合成符号，咱们既能够应用一个码点 0x0144 示意，也能够应用两个码点 0x006e 和0x0301示意。

    const str1 = '\u0144'; //ń
const str2 = '\u006e\u0301'; //ń
console.log({
    str1,
    str2,
});//{str1: 'ń', str2: 'ń'}

    这两种示意形式，是视觉和语义上都是雷同的，它们是规范等价的。然而，在代码层面它们却是不同的，str1是 一个码点 ，str2 是两个码点，这很有可能会导致问题。

    console.log(str1.length, str2.length);//1 2
console.log(str1 === str2);//false

    normalize函数便是为了解决这种问题，两个字符串通过 normalize 函数实现正规化之后，就不会再呈现这种问题了。

    let str1 = '\u0144'; //ń
let str2 = '\u006e\u0301'; //ń
// 正规化
str1 = str1.normalize();
str2 = str2.normalize();
console.log({
    str1,
    str2,
}); //{str1: 'ń', str2: 'ń'}

console.log(str1.length, str2.length); //1 1
console.log(str1 === str2); //true

  3. 新增的 unicode 示意办法

    在之前，咱们示意 unicode 字符能够通过 \u+ 码点 的形式，ES6 新增了一种示意形式，即\u+{码点}。

    这两种形式的不同之处，也很容易想到，\u+{码点}反对写入辅助立体的 4 字节码点，而 \u+ 码点 仅反对根本立体的 2 字节码点。

    // 对于根本立体的 2 字节码点，两种没有区别
const str1 = '\u{0144}';
const str2 = '\u0144';
console.log(str1 === str2); //true
// 低音符号
const str3 = '\u{1d11e}';
// 谬误的示意办法，被辨认为了 \u1d11 和 e 两个字符
const str4 = '\u1d11e';
console.log(str4,str3===str4); //ᴑe false

    unicode 的确让人头痛，如果有敌人对于 unicode 不太理解，能够在评论区留言，我会再发一篇具体介绍 unicode 与 JS 的文章。

退出移动版