js - js 字符串 - 《public》

概述
字符集
Base64 转码
参考链接
问：码点是什么？
问：为什么“JavaScript 返回的字符串长度可能是不正确的” ？
问：如何区分长数字和字符串？

字符串：包裹在单引号或双引号里边的一个或多个符号。推荐使用单引号来包裹字符串
字符串可看做是一个字符数组
str[i]：可通过索引 str[i] 访问字符串指定字符，但无法变更字符串中的单个字符 str[i]，因为字符串是只读的，所以当我们尝试通过 str[i] = xxx 的做法来修改字符串的部分内容时，是无效的
length：可通过 str.length 获取到 str 的长度，但是无法通过修改 str.length 来修改字符串长度，即便尝试给 str.length 重新赋值并不会报错
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
JS 引擎内部，所有字符都用 Unicode 表示
在 JS 程序中，可直接使用 Unicode 码点来表示字符，码点是 Unicode 标准中对应于特定字符的一个整数值
在 JS 中，单位字符长度是 16 位（2字节），即 JS 认为每 16 位就是一个字符
有些特殊字符需要 32 位来存储，这些字符的长度会被 JS 视作为 2
Base64 转码的应用场景：
1. 输出文本中的不可打印字符
2. 以文本格式存储二进制数据

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。

'abc'
"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。

'key = "value"'
"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。

'Did she say \'Hello\'?'
// "Did she say 'Hello'?"
"Did she say \"Hello\"?"
// "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。

'a
b
c'
// 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。

var longString = 'Long \
long \
long \
string';
longString
// "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。

var longString = 'Long '
  + 'long '
  + 'long '
  + '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。

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

注解你的代码使用了 JavaScript 中的一个常见技巧，即把一个函数的源码转换为字符串，然后对这个字符串进行操作。在你的示例中，你首先创建了一个立即执行的函数表达式（IIFE），在这个函数中写了一个多行的注释。然后，你调用 .toString() 方法将这个函数转换为源码的字符串形式，然后使用 .split('\n') 方法将这个字符串按照换行符进行切分，形成一个数组。然后，你使用 .slice(1, -1) 方法去除了数组的第一项和最后一项，也就是函数定义的开始和结束部分。最后，你使用 .join('\n') 方法将这个数组按照换行符再次拼接成一个字符串。由于你在函数中的注释包含了多行文本，因此这个操作的结果就是你的多行文本。这是一种常见的在 JavaScript 中嵌入多行文本的技巧。

这种方式获取多行字符串的主要用途通常是为了嵌入大量的静态文本或者模板，而不是通过手动的字符串连接或者数组操作来实现。

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。

console.log('1\n2')
// 1
// 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。

'\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杠，则反斜杠会被省略。

'\a'
// "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。

"Prev \\ Next"
// "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）。

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

'abc'[3] // undefined
'abc'[-1] // undefined
'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。

var s = 'hello';
delete s[0];
s // "hello"
s[1] = 'a';
s // "hello"
s[5] = '!';
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。

var s = 'hello';
s.length // 5
s.length = 3;
s.length // 5
s.length = 7;
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。

var s = '\u00A9';
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。

var f\u006F\u006F = 'abc';
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。上述提及的四字节字符𝌆，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。

'𝌆'.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

可能会用到 Base64 转码的场景：

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

var string = 'Hello World!';
btoa(string) // "SGVsbG8gV29ybGQh"
atob('SGVsbG8gV29ybGQh') // "Hello World!"

注意，这两个方法不适合非 ASCII 码的字符，会报错。

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。

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

Mathias Bynens, JavaScript’s internal character encoding: UCS-2 or UTF-16?
Mathias Bynens, JavaScript has a Unicode problem
Mozilla Developer Network, Window.btoa

问：码点是什么？

在计算机科学和字符编码中，“码点”（Code Point）是 Unicode 标准中对应于特定字符的一个整数值。每个 Unicode 字符都对应一个唯一的码点。

在 Unicode 标准中，码点是一个四到六位的十六进制数，表示为 U+后跟四到六位的十六进制数。例如，字母 A 的 Unicode 码点是 U+0041，而汉字“中”的 Unicode 码点是 U+4E2D。

简单来说，你可以把码点看作是字符的数字表示，Unicode 通过为每个字符指定一个唯一的码点，来支持世界上几乎所有的书写系统。然后，我们可以通过各种字符编码标准（例如 UTF-8、UTF-16）来存储和处理这些码点。

总的来说，码点是 Unicode 的一个核心概念，它使我们能够用标准的方式来处理各种语言和字符。

问：为什么“JavaScript 返回的字符串长度可能是不正确的” ？

JavaScript 的单位字符长度固定为 16 位长度，即 2 个字节
但是后来新出现的一些特殊字符的编码长度需要 32 位，即 4 个字节，每一个这样的特殊字符将被 JS 视作 2 个字符

JavaScript 的 length 属性是基于16位的 UTF-16 编码计算字符串的长度。在 UTF-16 编码中，大多数常见的字符（如英文字母、数字、标点符号以及许多其他语言的字符）都被编码为单个16位的代码单元。这样的字符在 JavaScript 中的 length 会被正确计算为1。

然而，对于那些需要用两个 16 位代码单元来表示的字符（称为”代理对”），JavaScript 会错误地将它们视为两个字符。这是因为这些字符的码点超出了一个16位代码单元能够表示的范围（即 U+10000 到 U+10FFFF）。例如，许多表情符号、一些罕见的汉字以及某些特殊的音乐和数学符号都属于这个范围。

所以，当你使用 JavaScript 的 length 属性来计算这类字符串的长度时，结果可能会大于你预期的字符数。这就是所说的 “JavaScript 返回的字符串长度可能是不正确的”。

例如：

console.log('💩'.length); // 输出 2，实际上我们只有一个表情符号

在这个例子中，💩 是一个使用了两个 UTF-16 代码单元（所谓的代理对）的字符，因此 JavaScript 错误地认为它的长度为 2。

问：如何区分长数字和字符串？

手机号是数字还是字符串？字符串
身份证号是数字还是字符串？字符串
学号是数字还是字符串？字符串
年龄是数字还是字符串？数字
年份是数字还是字符串？数字或者字符串都行，使用数字更常见

区分规则：

要读出 “千”、“百” 这样的计量单位的，我们一般使用数字类型，比如：金额 123 一百二十三
一个一个数字挨个念的，使用字符串，比如电话号码 151577... 幺五幺五七七……

var phone = "13812341234"
var pay = 123