重学js —— js数据类型：String

[lizhongzhen11]

String 类型

• 规范：String 值
• 规范：String 字面量
• 规范：String Objects
• String 怪异对象
• MDN —— 数据结构：String
• MDN —— String
• 类型转换见：ToString
• 重学js —— 主要表达式二之模板字符串

String 类型是所有0个或多个16位无符号 整数 值组成且最大长度为 2⁵³ - 1 的有序序列集合。

String类型通常用于表示正在运行的ECMAScript程序中的文本数据，字符串中的每个元素被当作 UTF-16 码元值处理。每个元素被认为在序列中占据一个位置。这些位置用非负整数索引。第一个元素下标为 0（（即下标从0开始）），下一个元素下标为 1，依此类推。字符串长度是字符串中的元素数量。空字符串长度为0且不包含元素。

解释字符串值的操作将每个元素视为单个UTF-16码元。但是，ECMAScript不限制这些码元的值或它们之间的关系，因此，将字符串内容进一步解释为以 UTF-16 编码的 Unicode 码点序列的操作必须考虑格式错误的子序列。这样的操作会对数值范围在 0xD800 到 0xDBFF （由Unicode标准定义为 主要代理，或更正式地定义为高代理码元）范围内的每个码元都进行特殊处理，且每个数值在 0xDC00 到 0xDFFF （定义为 尾代理，或更正式的定义为 低代理码元）范围内的码元使用以下规则：

• 既不是 主要代理 又不是 尾代理 的码元被解释为具有相同值的码点
• 两个码元的序列，如果第一个码元 c1 是 主要代理 且第二个码元 c2 是 尾代理，会组成一个 代理对，被解释为码点，其值为 (c1 - 0xD800) × 0x400 + (c2 - 0xDC00) + 0x10000 （见 UTF16DecodeSurrogatePair）。
• 属于 主要代理 或 尾代理 但又不属于 代理对 的码元，被解释为具有相同值的码点

String.prototype.normalize 能显式规范字符串值。String.prototype.localeCompare 在内部对String值进行规范化，但是在其运算时没有其他操作隐式地规范字符串。

注意：这种设计的基本原理是使Strings的实现尽可能简单和高性能。如果ECMAScript源文本为规范化格式C，保证字符串文字也可以规范化，只要它们不包含任何Unicode转义序列。

在该规范中，"the string-concatenation of A, B, ..."（其中每个参数是一个字符串值，一个码元或码元序列）表示字符串值是每个参数的码元 顺序的串联形成码元序列。

String 值

字符串值是基本值，它是零个或多个16位无符号 整数 值的有限有序序列。

注意：序列上的每个 整数 值通常表示UTF-16文本的一个单个16位单元。但是，ECMAScript对值没有任何限制或要求，只不过它们必须是16位无符号整数。

String 字面量

注意：字符串字面量是以单引号或双引号括起来的0个或多个 Unicode 码点。Unicode 码点也可以由转义序列表示。除结尾引号码点，U+005C（反斜杠），U+000D（回车符） 以及 U+000A（换行符） 外，所有码点都能以字符串形式显示。任何码点都能以转义序列的形式出现。字符串字面量的计算结果为ECMAScript字符串值。生成这些字符串值时，Unicode 码点按照 UTF16Encoding 中的定义进行UTF-16编码。属于 基本多文种平面 的码点被编码为字符串的单个代码单元。除此之外所有其它码点会被编码为字符串的两个代码单元。

字符串单字符转义序列

转义序列	代码单元值	Unicode字符名	符合
\b	0x0008	BACKSPACE (退格)	<BS>
\t	0x0009	CHARACTER TABULATION (水平制表符)	<HT>
\n	0x000A	LINE FEED (LF 换行)	<LF>
\v	0x000B	LINE TABULATION (垂直制表符)	<VT>
\f	0x000C	FORM FEED (FF 换页)	<FF>
\r	0x000D	CARRIAGE RETURN (CR 回车)	<CR>
\"	0x0022	QUOTATION MARK (双引号)	"
\'	0x0027	APOSTROPHE (单引号)	'
\\	0x005C	REVERSE SOLIDUS (反斜杠)	\

疑问

"整数值(integer)"是什么意思？

规范中有说明：在本说明书中使用 integer 时，除非另有说明，否则是指 Number value 且它的数学值(mathematical value)在 整数集 中；在本说明书中使用数学整数(mathematical integer)时，是指在 整数集 中的数学值(mathematical value)。方便速记，integert 可以用来指代Number value或mathematical value中任何一个，用 t 来代替。

16位无符号是什么意思？

这里16位应该指的是16位二进制数；可以近似认为是 UTF-16编码。
16位无符号整数代表不区分正负，那么其能表示Math.pow(2, 16)个数，即65536个，从0开始即：

// 二进制
00000000 00000000 ~ 11111111 1111111
// 对标十进制
0 ~ 65535

最大长度为何是Math.pow(2, 53) -1，依据是什么？

其实这个问题答案在于问题1 integer。 integer 不管指代Number value还是mathematical value，都有个要求：mathematical value在整数集上。

什么是整数集？
所有整数组成的集合。

这就涉及到ECMAScript的Number类型了。而Number类型可表示的最大安全值是9007199254740991 即 Math.pow(2, 53) - 1。所以整数集中最大长度就是Math.pow(2, 53) - 1。

ECMAScript要求string value中的每个值都必须是16位无符号整数，可是正常来说string里面既可以是数字也可以是英语字母、中文以及其他语言甚至特殊字符，这些东西都满足16位无符号整数这个要求吗？或者问题可以改为string到底是Unicode还是ASCII编码？

这个问题其实我一开始完全不懂编码，我都不知道unicode和ASCII编码有什么关系？而且当时看规范很吃力，没办法就去知乎问了下，链接：https://www.zhihu.com/question/350713984

先看winter的回答，他说的很对，其实我对字符集这些东西根本就不懂，理解起来也乱七八糟。。。

注意：string没有值，它是字符串，由一个个字符组成，字符有码点，码点才是16位无符号整数。

要继续往下面理解，就必须先懂字符码点相关知识，所以可以先看下面的链接：
#47

结论是采用 Unicode字符集（正如规范中多次提到那样）。ecma402 comparestrings