概述

定义

字符串就是零个或多个排在一起的字符,放在单引号或双引号之中。

  1. 'abc'
  2. "abc"

单引号字符串的内部,可以使用双引号。双引号字符串的内部,可以使用单引号。

  1. 'key = "value"'
  2. "It's a long journey"

上面两个都是合法的字符串。
如果要在单引号字符串的内部,使用单引号,就必须在内部的单引号前面加上反斜杠,用来转义。双引号字符串内部使用双引号,也是如此。

  1. 'Did she say \'Hello\'?'
  2. // "Did she say 'Hello'?"
  3. "Did she say \"Hello\"?"
  4. // "Did she say "Hello"?"

由于 HTML 语言的属性值使用双引号,所以很多项目约定 JavaScript 语言的字符串只使用单引号,本教程遵守这个约定。当然,只使用双引号也完全可以。重要的是坚持使用一种风格,不要一会使用单引号表示字符串,一会又使用双引号表示。
字符串默认只能写在一行内,分成多行将会报错。

  1. 'a
  2. b
  3. c'
  4. // SyntaxError: Unexpected token ILLEGAL

上面代码将一个字符串分成三行,JavaScript 就会报错。
如果长字符串必须分成多行,可以在每一行的尾部使用反斜杠。

  1. var longString = 'Long \
  2. long \
  3. long \
  4. string';
  5. longString
  6. // "Long long long string"

上面代码表示,加了反斜杠以后,原来写在一行的字符串,可以分成多行书写。但是,输出的时候还是单行,效果与写在同一行完全一样。注意,反斜杠的后面必须是换行符,而不能有其他字符(比如空格),否则会报错。
连接运算符(+)可以连接多个单行字符串,将长字符串拆成多行书写,输出的时候也是单行。

  1. var longString = 'Long '
  2. + 'long '
  3. + 'long '
  4. + 'string';

如果想输出多行字符串,有一种利用多行注释的变通方法。

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

上面的例子中,输出的字符串就是多行。

转义

反斜杠(\)在字符串内有特殊含义,用来表示一些特殊字符,所以又称为转义符。
需要用反斜杠转义的特殊字符,主要有下面这些。

  • \0 :null(\u0000)
  • \b :后退键(\u0008)
  • \f :换页符(\u000C)
  • \n :换行符(\u000A)
  • \r :回车键(\u000D)
  • \t :制表符(\u0009)
  • \v :垂直制表符(\u000B)
  • \’ :单引号(\u0027)
  • \” :双引号(\u0022)
  • \ :反斜杠(\u005C)

上面这些字符前面加上反斜杠,都表示特殊含义。

  1. console.log('1\n2')
  2. // 1
  3. // 2

上面代码中,\n表示换行,输出的时候就分成了两行。
反斜杠还有三种特殊用法。
(1)\HHH
反斜杠后面紧跟三个八进制数(000到377),代表一个字符。HHH对应该字符的 Unicode 码点,比如\251表示版权符号。显然,这种方法只能输出256种字符。
(2)\xHH
\x后面紧跟两个十六进制数(00到FF),代表一个字符。HH对应该字符的 Unicode 码点,比如\xA9表示版权符号。这种方法也只能输出256种字符。
(3)\uXXXX
\u后面紧跟四个十六进制数(0000到FFFF),代表一个字符。XXXX对应该字符的 Unicode 码点,比如\u00A9表示版权符号。
下面是这三种字符特殊写法的例子。

  1. '\251' // "©"
  2. '\xA9' // "©"
  3. '\u00A9' // "©"
  4. '\172' === 'z' // true
  5. '\x7A' === 'z' // true
  6. '\u007A' === 'z' // true

如果在非特殊字符前面使用反斜杠,则反斜杠会被省略。

  1. '\a'
  2. // "a"

上面代码中,a是一个正常字符,前面加反斜杠没有特殊含义,反斜杠会被自动省略。
如果字符串的正常内容之中,需要包含反斜杠,则反斜杠前面需要再加一个反斜杠,用来对自身转义。

  1. "Prev \\ Next"
  2. // "Prev \ Next"

字符串与数组

字符串可以被视为字符数组,因此可以使用数组的方括号运算符,用来返回某个位置的字符(位置编号从0开始)。

  1. var s = 'hello';
  2. s[0] // "h"
  3. s[1] // "e"
  4. s[4] // "o"
  5. // 直接对字符串使用方括号运算符
  6. 'hello'[1] // "e"

如果方括号中的数字超过字符串的长度,或者方括号中根本不是数字,则返回undefined。

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

但是,字符串与数组的相似性仅此而已。实际上,无法改变字符串之中的单个字符。

  1. var s = 'hello';
  2. delete s[0];
  3. s // "hello"
  4. s[1] = 'a';
  5. s // "hello"
  6. s[5] = '!';
  7. s // "hello"

上面代码表示,字符串内部的单个字符无法改变和增删,这些操作会默默地失败。

length 属性

length属性返回字符串的长度,该属性也是无法改变的。

  1. var s = 'hello';
  2. s.length // 5
  3. s.length = 3;
  4. s.length // 5
  5. s.length = 7;
  6. s.length // 5

上面代码表示字符串的length属性无法改变,但是不会报错。

字符集

JavaScript 使用 Unicode 字符集。JavaScript 引擎内部,所有字符都用 Unicode 表示。
JavaScript 不仅以 Unicode 储存字符,还允许直接在程序中使用 Unicode 码点表示字符,即将字符写成\uxxxx的形式,其中xxxx代表该字符的 Unicode 码点。比如,\u00A9代表版权符号。

  1. var s = '\u00A9';
  2. s // "©"

解析代码的时候,JavaScript 会自动识别一个字符是字面形式表示,还是 Unicode 形式表示。输出给用户的时候,所有字符都会转成字面形式。

  1. var f\u006F\u006F = 'abc';
  2. foo // "abc"

上面代码中,第一行的变量名foo是 Unicode 形式表示,第二行是字面形式表示。JavaScript 会自动识别。
我们还需要知道,每个字符在 JavaScript 内部都是以16位(即2个字节)的 UTF-16 格式储存。也就是说,JavaScript 的单位字符长度固定为16位长度,即2个字节。
但是,UTF-16 有两种长度:对于码点在U+0000到U+FFFF之间的字符,长度为16位(即2个字节);对于码点在U+10000到U+10FFFF之间的字符,长度为32位(即4个字节),而且前两个字节在0xD800到0xDBFF之间,后两个字节在0xDC00到0xDFFF之间。举例来说,码点U+1D306对应的字符为𝌆,它写成 UTF-16 就是0xD834 0xDF06。
JavaScript 对 UTF-16 的支持是不完整的,由于历史原因,只支持两字节的字符,不支持四字节的字符。这是因为 JavaScript 第一版发布的时候,Unicode 的码点只编到U+FFFF,因此两字节足够表示了。后来,Unicode 纳入的字符越来越多,出现了四字节的编码。但是,JavaScript 的标准此时已经定型了,统一将字符长度限制在两字节,导致无法识别四字节的字符。上一节的那个四字节字符𝌆,浏览器会正确识别这是一个字符,但是 JavaScript 无法识别,会认为这是两个字符。

  1. '𝌆'.length // 2

上面代码中,JavaScript 认为𝌆的长度为2,而不是1。
总结一下,对于码点在U+10000到U+10FFFF之间的字符,JavaScript 总是认为它们是两个字符(length属性为2)。所以处理的时候,必须把这一点考虑在内,也就是说,JavaScript 返回的字符串长度可能是不正确的。

Base64 转码

有时,文本里面包含一些不可打印的符号,比如 ASCII 码0到31的符号都无法打印出来,这时可以使用 Base64 编码,将它们转成可以打印的字符。另一个场景是,有时需要以文本格式传递二进制数据,那么也可以使用 Base64 编码。
所谓 Base64 就是一种编码方法,可以将任意值转成 0~9、A~Z、a-z、+和/这64个字符组成的可打印字符。使用它的主要目的,不是为了加密,而是为了不出现特殊字符,简化程序的处理。
JavaScript 原生提供两个 Base64 相关的方法。

  • btoa():任意值转为 Base64 编码
  • atob():Base64 编码转为原来的值
    1. var string = 'Hello World!';
    2. btoa(string) // "SGVsbG8gV29ybGQh"
    3. atob('SGVsbG8gV29ybGQh') // "Hello World!"
    注意,这两个方法不适合非 ASCII 码的字符,会报错。
    1. btoa('你好') // 报错
    要将非 ASCII 码字符转为 Base64 编码,必须中间插入一个转码环节,再使用这两个方法。 ```javascript function b64Encode(str) { return btoa(encodeURIComponent(str)); }

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

b64Encode(‘你好’) // “JUU0JUJEJUEwJUU1JUE1JUJE” b64Decode(‘JUU0JUJEJUEwJUU1JUE1JUJE’) // “你好” ```

参考链接