在介绍字符串之前，有必要先了解一点Unicode的基础知识，有助于理解ES6提供的新功能和新特性。
一、Unicode
Unicode是一种字符集（即多个字符的集合），它的目标是涵盖世界上的所有字符，为其提供唯一的标识符，这个标识符叫做码位或码点（Code Point）。码位既可以用一个从0开始计算的数值表示，也可以用U+作为前缀后面紧跟十六进制数表示。
Unicode只规定了每个字符的码位，但并没有规定如何用字节序列（即二进制数字存储方式）表示字符，于是就出现了字符编码（Character Encoding）。Unicode包含多种字符编码，例如UTF-8、UTF-16等，此处的UTF前缀是Unicode Transformation Format的缩写，即统一转换格式，它们都是Unicode的一种实现方式。其中UTF-8是变长编码，使用1~4个字节表示一个字符，它的最小编码单元（Code Unit）为一个字节（即8位）；而UTF-16使用2或4个字节表示一个字符，它的最小编码单元为两个字节（即16位）。
Unicode的码位范围从U+0000到U+10FFFF，由于包含的字符众多，因此会把它们划分成17组，组也叫平面（Plane），每个平面包含2^16=65536个字符，其中第0个平面叫做基本多语言平面（Basic Multilingual Plane，简称BMP），码位范围从U+0000到U+FFFF（包含了ASCII码），剩下的16个为辅助平面（Supplementary Plane）。
JavaScript采用了UTF-16编码的Unicode字符集，BMP中的字符可用一个16位的编码单元表示，而辅助平面中的字符则要遵循UTF-16的代理对（Surrogate Pair）规则，即用两个编码单元表示。这意味着JavaScript中的一个Unicode字符，它的长度有可能是1，但也有可能是2。由于JavaScript中的字符串方法（例如substring()、charAt()等）都会受到这种编码规则的影响，因此有时候会返回出人意料的结果。不过好在ES6大幅增强了对Unicode的支持，有效避免了这种意外性情况的发生。
二、Unicode字符
在JavaScript中，Unicode字符可以用Unicode转义字符的形式（即\uXXXX）表示，其中4个“X”表示字符的码位，而“X”是一个16进制字符，还要注意一点，ES5只支持4个“X”。也就是说，这种形式只能表示BMP中的字符（即U+0000到U+FFFF内的字符），如果要使用辅助平面中的字符，那么需要写两个Unicode转义字符。下面代码中，第一个字符是BMP中的“向”，第二个字符是2号平面中的“𠮳”。
let word1 = "\u5411"; console.log(word1); //"向" let word2 = "\ud842\udfb3"; console.log(word2); //"𠮳"
ES6为Unicode字符提供了一种新形式，只需把码位用花括号包裹，就能支持辅助平面中的字符。下面使用了新形式来描述字符“𠮳”。
let word3 = "\u{20BB3}";
console.log(word3); //"𠮳"
三、Unicode标准化
Unicode标准化（Unicode Normalization），也叫Unicode正规化或Unicode规范化，可将字符转换成指定的字节序列，统一表现形式，以及确定字符之间的等价性。例如字符“ü”，既可以只用U+00FC表示，也可以用U+0075（u）和U+0308（¨）组合表示，虽然对于人类来说，两种表示法得到的结果在视觉上是完全相同的，但对于计算机来说却是不同的，如下所示。
var mark1 = "\u00FC", mark2 = "\u0075\u0308"; mark1 === mark2; //false
ES6新增了一个原型方法normalize()，可以将字符串标准化，修改上面的例子，就能得到相等的结果，如下所示。
mark1.normalize() === mark2.normalize(); //true
normalize()方法可以接收一个字符串参数，但只有4个可选值（如表4所示），其中“NFC”是方法的默认值。
表4 标准化参数
| 可选值 | 作用描述 |
| NFD | 标准等价分解 |
| NFC | 先以标准等价分解，再以标准等价合成 |
| NFKD | 兼容等价分解 |
| NFKC | 先以兼容等价分解，再以标准等价合成 |
上表中的标准等价（Canonical Equivalence）和兼容等价（Compatibility Equivalence）都表示相同的字符或字符序列，并且前者是后者的一个子集。标准等价会保持视觉外观和文本含义，前面字符“ü”的示例就用到了标准等价；而兼容等价会改变视觉外观和文本含义，例如罗马数字十二（Ⅻ）可由一个罗马数十（Ⅹ）和两个罗马数一（Ⅰ）组成，两者只有通过兼容等价的标准化处理后才能匹配成功，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、码位的处理
字符串的原型方法charCodeAt()可以读取到BMP中的字符的码位，而辅助平面中的字符却无法正确读取，它们会被当成两个字符来对待。还是以“𠮳”为例，如下所示，分别返回字符串第0和第1处位置的码位。
var str = "𠮳"; str.charCodeAt(0); //55362 str.charCodeAt(1); //57267
ES6提供了codePointAt()方法，有效解决了上述问题，如下所示。
str.codePointAt(0); //134067 str.codePointAt(1); //57267
不过需要注意，codePointAt()方法还能返回字符的第二个编码单元的码位，即上面代码中第2条语句。
String对象的静态方法fromCharCode()可将码位转换成字符，功能和charCodeAt()方法正好相反，但也不能正确处理辅助平面中的字符。为此，ES6扩展了String对象，新增了一个静态方法fromCodePoint()，和codePointAt()方法对应，如下所示，由于第1条语句得到的结果是一个无法打印的字符，因此没有展示。
String.fromCharCode(134067); String.fromCodePoint(134067); //"𠮳"
五、解析字符串
ES6增强了JavaScript解析字符串的能力，新增了3个检索子串的方法（如表5所示），它们都返回布尔值。在某些场景，这些方法是indexOf()的理想替代品。
表5 新的检索方法
| 方法 | 功能描述 |
| includes() | 判断子串是否存在于字符串中 |
| startsWith() | 判断子串是否存在于字符串的头部 |
| endsWith() | 判断子串是否存在于字符串的尾部 |
三个方法都能接收两个参数，先介绍第一个参数，表示要检索的子串，注意，子串不能是正则表达式，下面展示了只传一个参数时的情况。
var str = "My name is strick"; str.length; //17 str.includes("name"); //true str.startsWith("name"); //false str.endsWith("name"); //false
方法的第二个参数是一个可选值，它有两种含义。在includes()和startsWith()方法中用于指定检索的起始位置，默认值为0；而在endsWith()方法中用于指定原字符串str的长度，默认值为str.length。修改上面的代码，为startsWith()和endsWith()分别传入第二个参数，前者的值为3，后者的值为7，它们的结果都变成了true，如下所示。
str.startsWith("name", 3); //true
str.endsWith("name", 7); //true
除了检索的新方法，ES6还提供了一个重复字符串的新方法：repeat()，它的参数是一个正整数，表示重复的次数，使用方法如下所示。
"name".repeat(2); //"namename"
最后介绍的是String对象的静态方法raw()，在第4篇模板字面量的标签模板中曾提到过。不过当时只强调了它是一个内置的标签模板，用于获取原始信息，但其实它也可以作为普通的函数来使用。只不过它的第一个参数得是一个包含raw属性的对象，raw属性的值既可以是数组也可以是字符串，第二个是可选的剩余参数，这些参数可插到指定位置，例如方法的第二个参数需要插到raw属性值中的第一和第二个元素之间，具体可参考下面的例子。
String.raw({raw: "abc"}, 0, 1, 2); //"a0b1c"
//相当于
String.raw({raw: ["a", "b", "c"]}, 0, 1, 2); //"a0b1c"
posted on
