字母a的6种表示方法，以及其背后的编码知识-阿里云开发者社区

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'
复制代码

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
复制代码

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
复制代码

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
复制代码

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
复制代码

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
复制代码

转为8进制为97..toString(8) = 141
\141

console.log('\141')  // a
复制代码

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'
复制代码

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
复制代码

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'
复制代码

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'
复制代码

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'
复制代码

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'
复制代码

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
复制代码

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
复制代码

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'
复制代码

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'
复制代码

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'
复制代码

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"
复制代码

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
复制代码

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`
复制代码

如果，你非得用，那就 ${''}包裹一下：

`我${'\141'}`   // '我a'
复制代码

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
复制代码

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, '');
  };
}
复制代码

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';
复制代码

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                　  ' 
复制代码

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;
    }
复制代码

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
}
复制代码

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;
}
复制代码

chCounts("𠀠")  // 1
"𠀠".length // 2
复制代码

ES6中的方式就多一些了：

Array.from("𠀠").length //1
[..."𠀠"].length  // 1
复制代码

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
  }`;
}
复制代码

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。

字母a的6种表示方法，以及其背后的编码知识

前言

先看总结

编码基础知识

ASCII 码

Unicode 和码点

UTF-8, UTF-16

进制转换

`\` + 字符

`\` + `八进制`

`\x` + `两位十六进制`

`\u` + `四位十六进制`

`\u{` + `十六进制` + `}`

ES6的模板字符串

实际的应用

匹配中文的正则

去掉空白字符

CSS content属性和 CSS 字体图标

CSS颜色色值

字符个数统计

文件类型识别

其他

写在最后

热门文章

最新文章

相关电子书

相关实验场景

字母a的6种表示方法，以及其背后的编码知识

前言

先看总结

编码基础知识

ASCII 码

Unicode 和 码点

UTF-8, UTF-16

进制转换

\ + 字符

\ + 八进制

\x + 两位十六进制

\u + 四位十六进制

\u{ + 十六进制 + }

ES6的模板字符串

实际的应用

匹配中文的正则

去掉空白字符

CSS content属性 和 CSS 字体图标

CSS颜色色值

字符个数统计

文件类型识别

其他

写在最后

热门文章

最新文章

相关电子书

相关实验场景

Unicode 和码点

`\` + 字符

`\` + `八进制`

`\x` + `两位十六进制`

`\u` + `四位十六进制`

`\u{` + `十六进制` + `}`

CSS content属性和 CSS 字体图标