ES6新增API：String篇（二）

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，它根据传入的index参数，返回字符串中位于该处的字符的码点（code point）值。这个方法可以识别utf-16中的4字节码点，支持的范围比原型函数charCodeAt更广，charCodeAt只能识别2字节的基本平面字符（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的结果基本一致:

   • index的参数默认值都为0

   • 当字符处于基本平面字符集的时候，二者返回的结果是一样的。

     const str = 'abc'; //字符 'a' 位于基本平面字符集中
     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

• 当字符处于辅助平面字符集的时候，codePointAt能够正确识别，并返回对应字符的码点（code point）。charCodeAt不能正确识别，只能返回当前位置的2字节字符的码点。

  比如，对于辅助平面的高音字符𝄞，它由两个2字节的基本平面字符 0xd834 和 0xdd1e 表示。当我们对𝄞

  使用charCodeAt时，只能得到对应位置的码点。

  const str = '\ud834\udd1e'; //辅助平面字符 高音字符 𝄞
  console.log(str.charCodeAt(0).toString(16)); //d834 
  console.log(str.charCodeAt(1).toString(16)); //dd1e

  当我们使用codePointAt时，可以得到𝄞的码点0x1d11e。

  console.log(str.codePointAt(0).toString(16)); //1d11e
  //当index为1时，'\udd1e'后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

2. String.fromCodePoint

   函数类型：

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

   静态函数fromCodePoint是根据传入的unicode码点返回对应的字符串，和fromCharCode相比，它支持直接传入辅助平面的码点值了。还是以高音符号𝄞为例，使用fromCodePoint可以直接传入码点值0x1d11e，而fromCharCode值需要传入0xd834 和 0xdd1e。

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

   对于基本平面的字符，fromCodePoint和fromCharCode结果是一样的。

   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()); //''

3. String.prototype.normalize

   函数类型：

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

   原型函数normalize接受一个指定正规化（如果你不明白NFC、NFD等的意义，点一下）形式的参数form，form默认值为'NFC'（Normalization Form Canonical Composition，以标准等价方式来分解，然后以标准等价重组），返回正规化的字符串。

   unicode对合成符号（字符中的字母带有声调等附加符号）提供了两种表示方式，一种是使用一个unicode码点表示，一种是将合成字符中的字母与附加符号组合，使用两个码点，比如ń是一个合成符号，我们既可以使用一个码点0x0144表示，也可以使用两个码点0x006e和0x0301表示。

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

   这两种表示方式，是视觉和语义上都是相同的，它们是标准等价的。但是，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，就不会再出现这种问题了。

   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

4. 新增的unicode表示方法

   在之前，我们表示unicode字符可以通过\u+码点的方式，ES6新增了一种表示方式，即\u+{ 码点 }。

   这两种方式的不同之处，也很容易想到，\u+{ 码点 }支持写入辅助平面的4字节码点，而\u+码点仅支持基本平面的2字节码点。

   //对于基本平面的2字节码点，两种没有区别
   const str1 = '\u{0144}';
   const str2 = '\u0144';
   console.log(str1 === str2); //true
   //高音符号
   const str3 = '\u{1d11e}';
   //错误的表示方法，被识别为了 \u1d11 和 e 两个字符
   const str4 = '\u1d11e';
   console.log(str4,str3===str4); //ᴑe false

   unicode确实让人头痛，如果有朋友对于unicode不太了解，可以在评论区留言，我会再发一篇详细介绍unicode与JS的文章。