es6=unicode码详解
字符的Unicode表示法
JavaScript允许采用\uxxxx形式表示一个字符,其中xxxx表示字符的Unicode码点。
"\u0061" // "a"
但是,这种表示法只限于码点在\u0000~\uFFFF之间的字符。超出这个范围的字符,必须用两个双字节的形式表示。
"\uD842\uDFB7" // "?""\u20BB7" // " 7"
上面代码表示,如果直接在\u 后面跟上超过0xFFFF的数值(比如\u20BB7),JavaScript会理解成\u20BB+7。由于\u20BB是一个不可打印字符,所以只会显示一个空格,后面跟着一个7。
ES6对这一点做出了改进,只要将码点放入大括号,就能正确解读该字符。
"\u{20BB7}" // "?""\u{41}\u{42}\u{43}" // "ABC"let hello = 123; hell\u{6F} // 123'\u{1F680}' === '\uD83D\uDE80' // true
上面代码中,最后一个例子表明,大括号表示法与四字节的UTF-16编码是等价的。
有了这种表示法之后,JavaScript共有6种方法可以表示一个字符。
'\z' === 'z' // true '\172' === 'z' // true '\x7A' === 'z' // true '\u007A' === 'z' // true '\u{7A}' === 'z' // true
codePointAt()
JavaScript内部,字符以UTF-16的格式存储,每个字符固定为2个字节。对于那些需要4个字节储存的字符(Unicode码点大于0xFFFF的字符),JavaScript会认为它们是两个字符
var s = "?";s.length // 2 s.charAt(0) // '' s.charAt(1) // '' s.charCodeAt(0) // 55362 s.charCodeAt(1) // 57271
上面代码中,汉字“?”(注意,这个字不是”吉祥“的”吉“)的码点是0x20BB7
,UTF-16编码为0xD842 0xDFB7
(十进制为55362 57271
),需要4
个字节储存。对于这种4
个字节的字符,JavaScript不能正确处理,字符串长度会误判为2
,而且charAt
方法无法读取整个字符,charCodeAt
方法只能分别返回前两个字节和后两个字节的值。
ES6提供了codePointAt方法,能够正确处理4个字节储存的字符,返回一个字符的码点。
var s = '?a';s.codePointAt(0) // 134071 s.codePointAt(1) // 57271s.codePointAt(2) // 97
codePointAt
方法的参数,是字符在字符串中的位置(从0开始)。上面代码中,JavaScript将“?a”视为三个字符,codePointAt方法在第一个字符上,正确地识别了“?”,返回了它的十进制码点134071(即十六进制的20BB7
)。在第二个字符(即“?”的后两个字节)和第三个字符“a”上,codePointAt
方法的结果与charCodeAt
方法相同。
总之,codePointAt
方法会正确返回32位的UTF-16字符的码点。对于那些两个字节储存的常规字符,它的返回结果与charCodeAt
方法相同。
codePointAt方法返回的是码点的十进制值,如果想要十六进制的值,可以使用toString方法转换一下。
var s = '?a';s.codePointAt(0).toString(16) // "20bb7" s.codePointAt(2).toString(16) // "61"
codePointAt方法的参数,仍然是不正确的。比如,上面代码中,字符a在字符串s的正确位置序号应该是1,但是必须向codePointAt方法传入2,解决这个问题的一个办法是使用for...of循环,因为它会正确识别32位的UTF-16字符。
var s = '?a'; for (let ch of s) {console.log(ch.codePointAt(0).toString(16)); } // 20bb7 // 61
codePointAt方法是测试一个字符由两个字节还是由四个字节组成的最简单方法。
function is32Bit(c) {return c.codePointAt(0) > 0xFFFF; }is32Bit("?") // true is32Bit("a") // false
String.fromCodePoint()
ES5提供string.fromCharCode方法,用于从码点返回对应字符,但是这个方法不能识别32位的UTF-16字符(Unicode编号大于0xFFFF)。
String.fromCharCode(0x20BB7) // "ஷ"
上面代码中,String.fromCharCode不能识别大于0xFFFF的码点,所以0x20BB7就发生了溢出,最高位2被舍弃了,最后返回码点U+0BB7对应的字符,而不是码点U+20BB7对应的字符。
ES6提供了String.fromCodePoint方法,可以识别大于0xFFFF的字符,弥补了String.fromCharCode方法的不足,在作用上,正好与codePointAt方法相反。
String.fromCodePoint(0x20BB7) // "?" String.fromCodePoint(0x78, 0x1f680, 0x79) === 'x\uD83D\uDE80y' // true
上面代码中,如果String.fromCodePoint方法有多个参数,则它们会被合并成一个字符串返回。
注意,fromCodePoint方法定义在String对象上,而codePointAt方法定义在字符串的实例对象上。
字符串的遍历器接口
ES6为字符串添加了遍历器接口,是的字符串可以被for...of循环遍历。
for(let codePoint of 'foo'){console.log(codePoint); } // "f" // "o" // "o"
除了遍历字符串,这个遍历器最大的优点是可以识别大于0xFFFF的码点,传统的for循环无法识别这样的码点。
var text = String.fromCodePoint(0x20BB7);for(let i = 0; i < text.length; i++){console.log(text[i]); } // � // �for(let i of text){console.log(i); } // "?"
上面代码中,字符串text只有一个字符,但是for循环会认为它包含两个字符(并且都不可打印),而for...of循环会正确的识别这一个字符。
at()
ES5对字符串对象提供charAt()方法,返回字符串给定位置的字符,该方法不能识别码点大于0xFFFF的字符。
'abc'.charAt(0) // "a" '?'.charAt(0) // "�"
上面代码中,charAt方法返回的是UTF-16编码的第一个字节,实际上是无法显示的。
目前有一个题案,提出字符串实例的at方法,可以识别Unicode编号大于0xFFFF的字符,返回正确的字符。
'abc'.at(0) // "a" '?'.at(0) // "?"
normalize()
许多欧洲语言有语调符号和重音符号。为了表示它们,Unicode提供了两种方法。一种是直接提供带重音符号的字符,比如Ǒ
(\u01D1)。另一种是提供合成符号(combining character),即原字符与重音符号的合成,两个字符合成一个字符,比如O
(\u004F)和ˇ
(\u030C)合成Ǒ
(\u004F\u030C)。
这两种表示方法,在视觉和语义上都等价,但是JavaScript不能识别。
'\u01D1'==='\u004F\u030C' //false'\u01D1'.length // 1 '\u004F\u030C'.length // 2
上面代码表示,JavaScript将合成字符视为两个字符,导致两种表示方法不相等。
ES6提供字符串实例的normalize()方法,用来将字符的不同表示方法统一为同样的形式,这称为Unicode正规化。
'\u01D1'.normalize() === '\u004F\u030C'.normalize() // true
normalize
方法可以接受一个参数来指定normalize
的方式,参数的四个可选值如下。
NFC
,默认参数,表示“标准等价合成”(Normalization Form Canonical Composition),返回多个简单字符的合成字符。所谓“标准等价”指的是视觉和语义上的等价。NFD
,表示“标准等价分解”(Normalization Form Canonical Decomposition),即在标准等价的前提下,返回合成字符分解的多个简单字符。NFKC
,表示“兼容等价合成”(Normalization Form Compatibility Composition),返回合成字符。所谓“兼容等价”指的是语义上存在等价,但视觉上不等价,比如“囍”和“喜喜”。(这只是用来举例,normalize
方法不能识别中文。)NFKD
,表示“兼容等价分解”(Normalization Form Compatibility Decomposition),即在兼容等价的前提下,返回合成字符分解的多个简单字符。'\u004F\u030C'.normalize('NFC').length // 1 '\u004F\u030C'.normalize('NFD').length // 2
上面代码表示,NFC
参数返回字符的合成形式,NFD
参数返回字符的分解形式。
不过,normalize
方法目前不能识别三个或三个以上字符的合成。这种情况下,还是只能使用正则表达式,通过Unicode编号区间判断。
转载于:https://www.cnblogs.com/ccnNL/p/7652478.html
es6=unicode码详解相关推荐
- java的String类源码详解
java的String类源码详解 类的定义 public final class Stringimplements java.io.Serializable, Comparable<String ...
- Unicode编码详解(二):编码预备知识
Unicode编码详解(二):编码预备知识 本文为原创文章,转载请注明出处,或注明转载自"黄邦勇帅(原名:黄勇) 本文是对<C++语法详解>一书相关章节的增补,以增强读者对字符的 ...
- java源码详解——String类
java源码详解--String类目录: Java String 类 下面开始介绍主要方法: Java charAt() 方法 Java compareTo() 方法 int compareTo(St ...
- unicode编码详解_转载
unicode编码详解,一看就懂 转载--https://www.cnblogs.com/hahlzj/p/11908713.html 一.Unicode编码 1 UTF-8 -16 -32编码和U ...
- Unicode编码详解(三):UTF-8编码
Unicode编码详解(三):UTF-8编码 本文为原创文章,转载请注明出处,或注明转载自"黄邦勇帅(原名:黄勇) 本文是对<C++语法详解>一书相关章节的增补,以增强读者对字符 ...
- 【Live555】live555源码详解(九):ServerMediaSession、ServerMediaSubsession、live555MediaServer
[Live555]live555源码详解系列笔记 继承协作关系图 下面红色表示本博客将要介绍的三个类所在的位置: ServerMediaSession.ServerMediaSubsession.Dy ...
- 【Live555】live555源码详解系列笔记
[Live555]liveMedia下载.配置.编译.安装.基本概念 [Live555]live555源码详解(一):BasicUsageEnvironment.UsageEnvironment [L ...
- 【Live555】live555源码详解(八):testRTSPClient
[Live555]live555源码详解系列笔记 继承协作关系图 下面红色表示本博客将要介绍的testRTSPClient实现的三个类所在的位置: ourRTSPClient.StreamClient ...
- 【Live555】live555源码详解(七):GenericMediaServer、RTSPServer、RTSPClient
[Live555]live555源码详解系列笔记 继承协作关系图 下面红色表示本博客将要介绍的三个类所在的位置: GenericMediaServer.RTSPServer.RTSPClient 14 ...
最新文章
- 【NOIP 模拟题】[T1] 等差数列(dp)
- CF1063B Labyrinth
- 《Python Cookbook 3rd》笔记(1.10):删除序列相同元素并保持顺序
- checkAll全选的一个小例子
- 【Java】进制转换器的实现
- 你还在为查询滑动窗口最大值发愁吗?点开看最高效率解法!
- 逻辑漏洞-支付风险-大疆某处支付逻辑漏洞可1元买无人机
- Audiority TS-1 Transient Shaper for Mac(TS-1瞬态整形器)
- EndNote编辑毕业论文格式
- 数学建模美赛历年优秀论文(O奖)
- 按键精灵定位坐标循环_用按键精灵录制微信自动摇一摇脚本
- linux bt下载软件推荐,分享|Ubuntu 下五个最好的 BT 客户端
- bs4爬取笔趣阁小说
- [推广]AboutCG Python商业教程发布
- 99%的程序员都不明白:弱者和强者的唯一区别
- 明星IP资本局:风华秋实、巨星传奇再闯IPO
- S3DIS数据集解析为点云
- 用scrapy+selenium+Firefox爬取腾讯新闻
- 中职生职业生涯规划书2000字学计算机,中职生职业生涯规划书计算机专业
- 投资的N种认偏差总有款打败你
热门文章
- 4.3.2 用jQuery进行异步加载(1)
- 7805引脚图及稳压电路图资料
- Python《wallpaper abyss壁纸》
- nvm install node没反应_前端开发,你要懂得Node.js的安装和使用方法
- 字符编码、常见字符集解析(ASCII、Unicode、UTF-8、GB2312等)
- 【图像处理】Qt+OpenCV自制mini软件——图像二值化器
- leetcode —— 面试题62. 圆圈中最后剩下的数字
- 编程高手之路——闭包函数
- np.c_和np.r_的用法解析
- 信号量CSemaphore的使用