前端String那些事儿

[FrankKai]

js中的String其实不仅仅是"foo"这样的字面量字符串。
Blob构造函数的入参array，数组元素可以是USVString，到底什么是USVString让我很困惑。

除了String外，其实还包括以下几种类型的String。
工作中除了String.prototype上的那些好用的方法，es6的模板字符串等等，貌似也没有其他常用字符串的地方了。这里就不再赘述。

参考mdn文档和EcmaScript规范，再结合实际开发中的经验，做一次简单的专项学习。

• USVString
• DOMString
• CSSOMString
• Binary strings
• <script>的charset=“utf-8”怎么理解
• js中的String采用utf-16格式编码与 <script>的charset=“utf-8”不矛盾吗

[FrankKai]

USVString

• USVString 代表的是所有可用unicode标量序列的集合
• 在js中返回时，USVString会映射到一个String
• 它通常只用于执行文本处理并需要操作unicode标量值字符串的api
• USVString会等价DOMString，除了不允许未匹配的替代的码点（在浏览器中，USVString中未匹配的替代码点，会转换成Unicode U+FFFD(�)字符）

DOMString

• DOMString 是utf-16字符串
• 在js中，DOMString最终也会映射为String
• 一个DOMString类型的方法或者参数允许传null，通常是指'null'

CSSOMString

• 要想了解CSSOMString，首先需要知道CSSOM是什么。CSSOM是CSS Object Model，它是一个可以通过js操作css的api集合。
• CSSOMString在CSSOM中表示字符串数据，可以引用DOMString或者USVString。
• 当规范提到CSSOMString时，依赖于浏览器的vendor去使用DOMString或者USVString。
• 在浏览器内存中如果通过UTF-8表示字符串数据，那么可以用USVString来替代CSSOMString。
• 如果浏览器要用16位的序列表示字符串，可能会用DOMString。
• 所谓utf-8，utf-16其实就是指用多少位表示字符串，8-bit Unicode Transformation Format。
• 目前几款主流的Firefox，Chrome，Safari，Opera都是用USVString来表示CSSOMString的。

Binary strings

• JS中的字符串是utf-16编码的。这就意味着一个代码单元需要2个字节的内存，也就是说js中string的长度是以2个字节为单位进行计算的。
• 二进制字符串是用来代表二进制数据的，并不是为了代表字符。
• 二进制字符代表的数据大小是原始数据的两倍
• 引入二进制字符串的原因在于使用unit8类型数字的web应用在音频，视频以及WebSocket方面越来越强大，所以需要引入一个很好用api来提供支持
• 过去操作二进制数据是通过字符串的操作模拟的。也就是通过charCodeAt方法从二进制字符串中读取数据。效率低下，错误率高。对于不是严格意义上的二进制格式数据，32字节整数或者浮点数也会容易出错。
• js中的typed arrays提供了一个操作二进制数据的更加高效的方法。关于typed arrays，可以参考JavaScript之typed arrays那些事儿。

<script>的charset="utf-8"怎么理解

• 不区分大小写的'utf-8'
• 没有必要为charset属性设置值，因为document必须是UTF-8
• script标签会从document继承他的character encoding（字符编码方式）
• HTML Living Standard的建议是移除charset属性

规范中的说明如下：

If the script element has a charset attribute, then let encoding be the result of getting an encoding from the value of the charset attribute.
If the script element does not have a charset attribute, or if getting an encoding failed, let encoding be the same as the encoding of the script element's node document.
To get an encoding from a string label, run these steps:
Remove any leading and trailing ASCII whitespace from label.
If label is an ASCII case-insensitive match for any of the labels listed in the table below, return the corresponding encoding, and failure otherwise.

Name	Labels
UTF-8	"unicode-1-1-utf-8","utf-8","utf8"
UTF-16LE	"utf-16","utf-16le"

js中存在utf-8 encoder和utf-8 decoder专门进行utf-8的编解码工作。

js中的String采用utf-16格式编码与 <script>的charset=“utf-8”不矛盾吗

不矛盾。utf-16人类友好，utf-8机器友好。
写js代码时，utf-16人类友好。人类可识别。
script utf-8编码时utf-8友好；端到端通信时，utf-8机器友好。机器高效运行。

script编码难道不对utf-16的js string进行编码？
编码。但是js代码中不只有字符串类型，还有Boolean，Number等等一系列类型。不矛盾！

4.3.17String value
primitive value that is a finite ordered sequence of zero or more 16-bit unsigned integer values
NOTE
A String value is a member of the String type. Each integer value in the sequence usually represents a single 16-bit unit of UTF-16 text. However, ECMAScript does not place any restrictions or requirements on the values except that they must be 16-bit unsigned integers.

• js字符串中是由0个或者多个16bit的无符号整数组成
• 每个整数的值通常表示UTF-16文本的一个16bit单元
• es规定js字符必须是一个16bit的无符号整数

初见端倪

通过encodeURIComponent和decodeURIComponent可以初见端倪。
首先明确一点。
utf-8格式url（机器友好）："http://foo.test.go.com/index.html#/?from=http%3A%2F%2Fbar.crm.test.go.com%2F&redirectUrl=http%3A%2F%2Fbaz.test.go.com%2Fuser%2FgetCASUser&platformCode=10004"
utf-16格式url（人类友好）："http://foo.test.go.com/index.html#/?from=http://bar.crm.test.go.com/&redirectUrl=http://baz.test.go.com/user/getCASUser&platformCode=10004"

encodeURIComponent(uriComponent) 将UTF-16编码的url（其实就是js中的url字符串，“https://www.foo.com?foo=123”）编码为UTF-8格式"https%3A%2F%2Fwww.foo.com%3Ffoo%3D123"
decodeURI(encodedURIComponent)将UTF8格式的url 解码为utf-16格式“https://www.foo.com?foo=123”

为什么不用encodeURI？

因为：

Note that encodeURI by itself cannot form proper HTTP GET and POST requests, such as for XMLHTTPRequests, because "&", "+", and "=" are not encoded, which are treated as special characters in GET and POST requests. encodeURIComponent, however, does encode these characters.

不能生成用于HTTP GET或者POST请求的url，因为：

encodeURI Not Escaped: A-Z a-z 0-9 ; , / ? : @ & = + $ - _ . ! ~ * ' ( ) #

小结

• utf-8编码机器友好：浏览器http url，script默认编码格式等等
• utf-16编码人类友好：肉眼可识别字符串
• script utf-8编码难道不对utf-16的js string进行编码？ 编码。但是js代码中不只有字符串类型，还有Boolean，Number等等一系列类型。不矛盾！

[FrankKai]

总结

• chrome中的CSSOMString最终都会映射成USVString
• js中的USVString最终会映射成String
• js中的String采用utf-16格式编码，也就是说js中字符串的最小组织单元是2个字节（byte）
• js中的二进制数据可以通过js的typed arrays进行操作
• <script>的charset="utf-8"没有必要再显式设置，会继承document的编码方式
• script utf-8编码难道不对utf-16的js string进行编码？ 编码。但是js代码中不只有字符串类型，还有Boolean，Number等等一系列类型。不矛盾！