前言
字符是我们编写程序的基础的基础。
我们前端是最常见的字符，符号，数字，英文，中文， 我们通常都是使用直接量来表示，偶尔会在正则表达等场景用到UTF-16码点的格式，问题来了，那你知道JS有几种字符表示方式吗？
答案：至少6种，以字符a为例子：
`a` // 'a'
'a' // 'a'
'\a' // 'a'
'\141' // 'a'
'\x61' // 'a'
'\u0061' // 'a'
'\u{0061}' // 'a'
前三种都很理解， 后面这又是\, \x, \u, \u{}， 这都是什么玩意？
别急，我们一一道来。
更多前端基础进阶知识，可以
- 关注专栏 前端基础进阶,
- 关注公众号
云的程序世界， - 进交流群
dirge-cloud
特别申明： 测试代码最新版chrome上执行。
先看总结
| 格式 | 示例 | 码点范围 | 注意 |
|---|---|---|---|
| \8进制 | '\141' | 0-255 | 模板字符串中不可直接使用 |
| \x两位16进制 | '\x61' | 0-255 | 必须两位 |
| \u四位16进制 | '\u0061' | 0-65535 | 必须四位 |
| \u{16进制} | '\u{0061}' | 0-0x10FFFF | 码点大于0xFFFF,length为2，下标访问值是高低位的值 |
编码基础知识
完全理解字符表示，还是需要一些简单的编码知识，我们一起来看看吧。
ASCII 码
ASCII 码一共定义了 128 个字符，例字母 a 是 97 (0110 0001)。这 128 个字符只使用了 8 位二进制数中的后面 7 位，最前面的一位统一规定为 0。
ASCII 码止共定义了128个字符，其中33个字符无法显示。0010 0000 ~ 0111 1110 (32-126)是可以显示的 ，基本都能使用键盘打出来， 具体参见对照表： ASCII编码对照表。
ASCII 额外扩展的版本 EASCII，这里就可以使用一个完整子节的 8 个 bit 位表示共 256 个字符，其中就又包括了一些衍生的拉丁字母。 可以参见 extended-ascii-table。
Unicode 和 码点
Unicode是字符集， 为了兼容ASCII，Unicode规定前0-127个字符是和ASCII是一样的，不一样的是128-255这一部分。
我们一起看看ASCII 128-255部分:
再看看 Unicode的 128-255部分：
其给某个字符规定对应的数值，我们经常称其为码点。我们可以通过字符串的实例方法charCodeAt和codePointAt获取，前者只能准确获取码点值小于0xFFFF(65535)的码点。
'𠀠'.codePointAt(0) // 131104 0x20020 正确
'𠀠'.charCodeAt(0) // 55360 0xd840 错误
'a'.charCodeAt(0) // 97 0x0061 正确
对应的我们可以使用String的静态方法fromCharCode,fromCodePoint用码点获取对应的字符。
String.fromCodePoint(131104) // "𠀠" 正确
String.fromCharCode(131104) // " " 错误
String.fromCharCode(97) // "a" 正确
UTF-8, UTF-16
我们平时接触比多的就是UTF-8和UTF-16，均是Unicode字符编写的一种实现。 我们JS编码的字符串是UTF-16格式来存储的和表示的。
UTF-16对于码点小于0xFFFF的用2个字节（1个编码单元）表示，大于0xFFFF的编码用四个字节（2个编码单元）表示。 具体的体现可以表现在字符的长度上。
"𠀠".length // 2 码点 131104（0x20020）> 65535 (0xFFFF)
"a".length // 1
"人".length // 1
这里强调 0xFFFF 是分界线，很重要。
进制转换
我们可以使用数字实例toString()10进制转为相对应的进制。
97..toString(16) // 61
97..toString(2) // 1100001
下面进入正题, 一起来看字符的表示：
\ + 字符
\ 是一个特殊的存在，转义字符，大多数情况下，不产生什么作用。 只对一些特殊的字符起作用。
从下可以看出\a这个\没有任何作用，对\r就不一样了。
更多转义字符知识，参见 转义字符-维基。
\ + 八进制
其能表示的码点范围值为 0-255。
这里提个问题， 这里显示的ASCII的字符，还是Unicode的字符。
- 比如字符
a为 97， 可以使用charCodeAt获取，
'a'.charCodeAt(0) // 97
- 转为8进制为
97..toString(8) = 141 \141
console.log('\141') // a
我们看一些特殊码点的字符，因为码点为31和127的字符，不能被显示或者表示。
// 37 = 31..toString(8)
'\37' // '\x1F'
// 177 = 127..toString(8)
'\177' // '\x7F'
至于为什么 \177 变为了 \x7F， 是不是有点疑惑，其实也很简单。
当程序检查其值，不在可显示范围的时候，直接反向计算其原值，并转为16进制值，并使用\x两位十六进制格式表示。
// 177 = 127..toString(8)
'\177' // '\x7F'
127.toString(16) // 7f
关于表示码点上限(255)：
'\377' // "ÿ" --- 码点255
'\400' // ' 0' --- 码点256 // 大于255可以理解为 '\40' + '0'
回答开始的提问:
我们这里显示的肯定是Unicode字符啊，前面提过了， JS字符编码采用的是UTF-16啊。 可以用码点在128-255的一个字符试试， 那就码点254的字符吧:
扩展 ASCII 254：
Unicode 254: 'þ'
//376 = 254..toString(8)
'\376' // 'þ'
所以大家要明白，我们这各种字符表示方法，表示的都是Unicode字符。
关于\x两位十六进制格式，我们开讲。
\x + 两位十六进制
我们可以用0x表示16进制的数字，所以\x大家也很好理解，是16进制。
0x61 // 97 0x表示16进制格式数字
'a'.charCodeAt(0) // 获取码点 97
97..toString(16) // 转为16进制 61
'\x61' // 'a'
两位十六进制码点, 0x00 ~ 0xFF（0~255） , 和 \八进制码一样，不可显示的码点字符，直接显示其编码
// 1f = 31..toString(16)
'\x1F' // '\x1F'
// 20 = 32..toString(16)
'\x20' // ' '
// 7e = 126..toString(16)
'\x7e' // '~'
// 7f = 127..toString(16)
'\x7f' // '\x7F'
// 80 = 128..toString(16)
'\x80' // '\x80'
到这里你可能问，你这里，那么这不能显示，那不能显示，有没有一个表啊。有的， 参见 Unicode码表, 这里记录了 0x0000 到 0xFFFF的码点的字符，一般情况准够用。
0-255码点范围内， 0x00 到 0x1F(0-31), 0x80 到 0x9F(128-159)是无法显示的或者看不见的。
'\x9F' // '\x9F' // 编码输出
'\xA1' // "¡" // 正常
这个结果，在不通浏览器，可能输出还不一样。 尽量采用最新版本的chrome去验证。
虽然输出的显示有些区别，但是都表示这玩意不能表示一个字符，请自重。
360浏览器：
firefox:
chrome:
\u + 四位十六进制
这里固定是4位，少一位都不行。
"\u0061" // "a"
"\u061" // 报错
还是4位，如果多了, 截取前4位，后面的直接追加。看个例子，非常好理解。
'\u0061' // 'a'
'\u00610' // 'a0'
这里也就反应了问题，码点大于0xFFFF，大于4位16进制的字符怎么表示？？？
ES6考虑了这个问题，于是推出了 \u{ + 十六进制 + }， 看下个章节。
我们之前说过，UTF-16是Unicode的一种实现，Unicode的代理区 0xD800-0xDFFF， 其不代表任何字符。同理，我们采用\u + 四位十六进制方式，如果码点在这个区间，返回 �或者原字符（浏览器不同，可能返回不同）, 当然其他的码点也可能还没设定值或者是不可打印的。
'\uD800' // '\uD800'
'\uDFFF' // '\uD800'
实际上 UTF-16也就是利用了代理区，把码点大于0xFFFF字符分为高低两部分, 索引值0获得的值实际上是高位部分，索引值1获得的是低位部分。
var text = "𠀠";
text[0] // '\uD840'
text[1] // '\uDC20'
更多utf-16编码的知识，我们后续跟上。
\u{ + 十六进制 + }
ES6新增的能力。 这个多了一个{}包裹。
这个应该是可以一统江湖，可以表示码点低于0xFFFF的字符，也可表示码点大于0xFFFF的字符。
"\u{20020}" // '𠀠'
"\u{0061}" // 'a'
"\u{061}" // 'a'
"\u{61}" // 'a'
"\u{9}" // "\t"
而且其还没有强制四位的限制，简直爽的没法没边。
缺点嘛，那就是兼容性了，就让时间去磨平吧。
ES6的模板字符串
ES6的模板字符串，可以说是爽歪歪，我们就也算其一种新的字符表示方式吧。
我们也是可以使用\u， \u{}, \x格式的
// 61 = "a".charCodeAt(0).toString(16)
`我\u{61}` // 我a
`我\x61` // 我a
`我\u0061` // 我a
`我\a` // 我a
到这里，你们没觉得少了了点什么吗？ 没错 \8进制，是不被允许的
// 141 = "a".charCodeAt(0).toString(8)
`我\141`
如果，你非得用，那就 ${''}包裹一下：
`我${'\141'}` // '我a'
实际的应用
匹配中文的正则
我们总不能去罗列，多义采取的是[\u4e00-\u9fa5]这种格式去匹配：
var regZH = /[\u4e00-\u9fa5]/g;
regZH.test("a"); // false
regZH.test("人"); // true
regZH.test("𠀠"); // false 尴尬了不
这里注意了，只能识别常见中文。, 毕竟码点的范围就那么大点。
去掉空白字符
看看MDN上 String.prototype.trim
if (!String.prototype.trim) {
String.prototype.trim = function () {
return this.replace(/^[\s\uFEFF\xA0]+|[\s\uFEFF\xA0]+$/g, '');
};
}
我们一起来看一下著名的core-js对trim的空白字符的理解 whitespaces.js
module.exports = '\u0009\u000A\u000B\u000C\u000D\u0020\u00A0\u1680\u2000\u2001\u2002' +
'\u2003\u2004\u2005\u2006\u2007\u2008\u2009\u200A\u202F\u205F\u3000\u2028\u2029\uFEFF';
我们还是输出一下吧：
'\u0009\u000A\u000B\u000C\u000D\u0020\u00A0\u1680\u2000\u2001\u2002' +
'\u2003\u2004\u2005\u2006\u2007\u2008\u2009\u200A\u202F\u205F\u3000\u2028\u2029\uFEFF'
// '\t\n\v\f\r
'
CSS content属性 和 CSS 字体图标
现代浏览器，已经支持中文，但是建议还是使用\16进制编码格式 。
这里使用的是 \16进制， 不需要u也不需要{}, 支持码点大于0xFFFF的字符
div.me::before {
content: "\6211"; // 我
padding-right: 10px;
}
div.me::before {
content: "\20020:"; // 𠀠
padding-right: 10px;
}
CSS颜色色值
字体颜色，背景颜色，边框颜色等等，其有一种表示方式就是6位16进制，当然也有简写形式。
.title {
color: #FFF
}
字符个数统计
这个是利用了UTF-16编码特性。 因为\uD800-\DFFF是代理区，具体UTF-16编码的东西，单独来讲解。 也可以看见文章 为什么一定是�, 里面有完整的解释。
const spRegexp = /[\uD800-\uDBFF][\uDC00-\uDFFF]/g;
function chCounts(str){
return str.replace(spRegexp, '_').length;
}
chCounts("𠀠") // 1
"𠀠".length // 2
ES6中的方式就多一些了：
Array.from("𠀠").length //1
[..."𠀠"].length // 1
文件类型识别
具体可以参见阿宝哥的 JavaScript 如何检测文件的类型？
const isPNG = check([0x89, 0x50, 0x4e, 0x47, 0x0d, 0x0a, 0x1a, 0x0a]); // PNG图片对应的魔数
const realFileElement = document.querySelector("#realFileType");
async function handleChange(event) {
const file = event.target.files[0];
const buffers = await readBuffer(file, 0, 8);
const uint8Array = new Uint8Array(buffers);
realFileElement.innerText = `${file.name}文件的类型是：${
isPNG(uint8Array) ? "image/png" : file.type
}`;
}
其他
- emoji图标
- 编码转换，比如utf-8转base64
- 等等
写在最后
不忘初衷，有所得，而不为所累，如果你觉得不错，你的一赞一评就是我前行的最大动力。
技术交流群请到 这里来。 或者添加我的微信 dirge-cloud，一起学习。
引用
ASCII Table
ASCII码一览表，ASCII码对照表
Unicode
Unicode码表
字符串的扩展
淦，为什么 "𠮷𠮷𠮷".length !== 3
为什么一定是�
深入理解字符编码（ASCII、Unicode、UTF-8、UTF-16、UTF-32）
