在介紹字符串之前，有必要先了解一點Unicode的基礎知識，有助於理解ES6提供的新功能和新特性。

一、Unicode

　　Unicode是一種字符集（即多個字符的集合），它的目標是涵蓋世界上的所有字符，為其提供唯一的標識符，這個標識符叫做碼位或碼點（Code Point）。碼位既可以用一個從0開始計算的數值表示，也可以用U+作為前綴後面緊跟十六進制數表示。

　　Unicode只規定了每個字符的碼位，但並沒有規定如何用字節序列（即二進制數字存儲方式）表示字符，於是就出現了字符編碼（Character Encoding）。Unicode包含多種字符編碼，例如UTF-8、UTF-16等，此處的UTF前綴是Unicode Transformation Format的縮寫，即統一轉換格式，它們都是Unicode的一種實現方式。其中UTF-8是變長編碼，使用1~4個字節表示一個字符，它的最小編碼單元（Code Unit）為一個字節（即8位）；而UTF-16使用2或4個字節表示一個字符，它的最小編碼單元為兩個字節（即16位）。

　　Unicode的碼位範圍從U+0000到U+10FFFF，由於包含的字符眾多，因此會把它們劃分成17組，組也叫平面（Plane），每個平面包含2^16=65536個字符，其中第0個平面叫做基本多語言平面（Basic Multilingual Plane，簡稱BMP），碼位範圍從U+0000到U+FFFF（包含了ASCII碼），剩下的16個為輔助平面（Supplementary Plane）。

　　JavaScript采用了UTF-16編碼的Unicode字符集，BMP中的字符可用一個16位的編碼單元表示，而輔助平面中的字符則要遵循UTF-16的代理對（Surrogate Pair）規則，即用兩個編碼單元表示。這意味著JavaScript中的一個Unicode字符，它的長度有可能是1，但也有可能是2。由於JavaScript中的字符串方法（例如substring()、charAt()等）都會受到這種編碼規則的影響，因此有時候會返回出人意料的結果。不過好在ES6大幅增強了對Unicode的支持，有效避免了這種意外性情況的發生。

二、Unicode字符

　　在JavaScript中，Unicode字符可以用Unicode轉義字符的形式（即\uXXXX）表示，其中4個“X”表示字符的碼位，而“X”是一個16進制字符，還要註意一點，ES5只支持4個“X”。也就是說，這種形式只能表示BMP中的字符（即U+0000到U+FFFF內的字符），如果要使用輔助平面中的字符，那麽需要寫兩個Unicode轉義字符。下面代碼中，第一個字符是BMP中的“向”，第二個字符是2號平面中的“??”。

let word1 = "\u5411";
console.log(word1);         
 
//"向"
let word2 = "\ud842\udfb3";
console.log(word2);         //"??"

　　ES6為Unicode字符提供了一種新形式，只需把碼位用花括號包裹，就能支持輔助平面中的字符。下面使用了新形式來描述字符“??”。

let word3 = "\u{20BB3}";
console.log(word3);         //"??"

三、Unicode標準化

　　Unicode標準化（Unicode Normalization），也叫Unicode正規化或Unicode規範化，可將字符轉換成指定的字節序列，統一表現形式，以及確定字符之間的等價性。例如字符“ü”，既可以只用U+00FC表示，也可以用U+0075（u）和U+0308（¨）組合表示，雖然對於人類來說，兩種表示法得到的結果在視覺上是完全相同的，但對於計算機來說卻是不同的，如下所示。

var mark1 = "\u00FC",
  mark2 = "\u0075\u0308";
mark1 === mark2;             //false

　　ES6新增了一個原型方法normalize()，可以將字符串標準化，修改上面的例子，就能得到相等的結果，如下所示。

mark1.normalize() === mark2.normalize();     //true

　　normalize()方法可以接收一個字符串參數，但只有4個可選值（如表4所示），其中“NFC”是方法的默認值。

表4 標準化參數

　　上表中的標準等價（Canonical Equivalence）和兼容等價（Compatibility Equivalence）都表示相同的字符或字符序列，並且前者是後者的一個子集。標準等價會保持視覺外觀和文本含義，前面字符“ü”的示例就用到了標準等價；而兼容等價會改變視覺外觀和文本含義，例如羅馬數字十二（Ⅻ）可由一個羅馬數十（Ⅹ）和兩個羅馬數一（Ⅰ）組成，兩者只有通過兼容等價的標準化處理後才能匹配成功，如下所示。

var digit1 = "\u216B",                 //"Ⅻ"
  digit2 = "\u2169\u2160\u2160";       //"ⅩⅠⅠ"
digit1 = digit1.normalize("NFKC");     //"XII"
digit2 = digit2.normalize("NFKC");     //"XII"
digit1 === digit2;                     //true

四、碼位的處理

　　字符串的原型方法charCodeAt()可以讀取到BMP中的字符的碼位，而輔助平面中的字符卻無法正確讀取，它們會被當成兩個字符來對待。還是以“??”為例，如下所示，分別返回字符串第0和第1處位置的碼位。

var str = "??";
str.charCodeAt(0);        //55362
str.charCodeAt(1);        //57267

　　ES6提供了codePointAt()方法，有效解決了上述問題，如下所示。

str.codePointAt(0);       //134067
str.codePointAt(1);       //57267

　　不過需要註意，codePointAt()方法還能返回字符的第二個編碼單元的碼位，即上面代碼中第2條語句。

　　String對象的靜態方法fromCharCode()可將碼位轉換成字符，功能和charCodeAt()方法正好相反，但也不能正確處理輔助平面中的字符。為此，ES6擴展了String對象，新增了一個靜態方法fromCodePoint()，和codePointAt()方法對應，如下所示，由於第1條語句得到的結果是一個無法打印的字符，因此沒有展示。

String.fromCharCode(134067);
String.fromCodePoint(134067);        //"??"

五、解析字符串

　　ES6增強了JavaScript解析字符串的能力，新增了3個檢索子串的方法（如表5所示），它們都返回布爾值。在某些場景，這些方法是indexOf()的理想替代品。

表5 新的檢索方法

　　三個方法都能接收兩個參數，先介紹第一個參數，表示要檢索的子串，註意，子串不能是正則表達式，下面展示了只傳一個參數時的情況。

var str = "My name is strick";
str.length;                　//17
str.includes("name");        //true
str.startsWith("name");      //false
str.endsWith("name");        //false

　　方法的第二個參數是一個可選值，它有兩種含義。在includes()和startsWith()方法中用於指定檢索的起始位置，默認值為0；而在endsWith()方法中用於指定原字符串str的長度，默認值為str.length。修改上面的代碼，為startsWith()和endsWith()分別傳入第二個參數，前者的值為3，後者的值為7，它們的結果都變成了true，如下所示。

str.startsWith("name", 3);      //true
str.endsWith("name", 7);        //true

　　除了檢索的新方法，ES6還提供了一個重復字符串的新方法：repeat()，它的參數是一個正整數，表示重復的次數，使用方法如下所示。

"name".repeat(2);              //"namename"

　　最後介紹的是String對象的靜態方法raw()，在第4篇模板字面量的標簽模板中曾提到過。不過當時只強調了它是一個內置的標簽模板，用於獲取原始信息，但其實它也可以作為普通的函數來使用。只不過它的第一個參數得是一個包含raw屬性的對象，raw屬性的值既可以是數組也可以是字符串，第二個是可選的剩余參數，這些參數可插到指定位置，例如方法的第二個參數需要插到raw屬性值中的第一和第二個元素之間，具體可參考下面的例子。

String.raw({raw: "abc"}, 0, 1, 2);             　//"a0b1c"
//相當於
String.raw({raw: ["a", "b", "c"]}, 0, 1, 2);     //"a0b1c"

ES6躬行記（9）——字符串