js字符串怎么存储的

JavaScript 字符串的存储方式主要包括以下几方面：Unicode 编码、UTF-16 编码、不可变性、内存分配。其中，Unicode 编码 是最常用的方式，用于表示世界上几乎所有的字符。下面我们详细讲解 Unicode 编码。

Unicode 编码：JavaScript 使用 Unicode 编码标准来存储字符串。Unicode 是一种字符编码标准，旨在为每个字符分配一个唯一的码点。JavaScript 中的字符通常使用 UTF-16 编码来表示 Unicode 字符。UTF-16 是一种变长编码方案，使用一个或两个 16 位代码单元来表示字符。对于常用字符（基本多文种平面内的字符），只需要一个 16 位代码单元（即两个字节），而对于不常用字符（补充平面内的字符），则需要两个 16 位代码单元（即四个字节）。

一、UNICODE 编码

1.1、什么是 Unicode 编码

Unicode 编码是一种字符编码标准，旨在为每个字符分配一个唯一的码点。它解决了不同编码系统之间的冲突问题，使得字符在不同平台和程序之间可以互相兼容。Unicode 编码可以表示几乎所有的书写系统，包括拉丁字母、汉字、阿拉伯字母、希腊字母等。

1.2、JavaScript 中的 Unicode

在 JavaScript 中，字符串使用 UTF-16 编码来表示 Unicode 字符。每个字符对应一个或两个 16 位代码单元。常见的字符（基本多文种平面内的字符）只需要一个代码单元，而罕见字符（补充平面内的字符）则需要两个代码单元。

1.3、UTF-16 编码详解

UTF-16 是一种变长编码方案，使用一个或两个 16 位代码单元来表示字符。基本多文种平面的字符使用一个代码单元，而补充平面的字符使用两个代码单元。JavaScript 内部使用 UTF-16 编码来存储字符串，因此在操作字符串时需要特别注意补充平面的字符。

let str = "𝄞"; // 这个字符是一个补充平面内的字符
console.log(str.length); // 输出 2，因为它占用了两个代码单元
console.log(str.charCodeAt(0)); // 输出 55348，第一个代码单元
console.log(str.charCodeAt(1)); // 输出 56670，第二个代码单元

二、UTF-16 编码

2.1、基本多文种平面（BMP）

基本多文种平面（BMP）是 Unicode 编码的第一个平面，包含了大多数常用的字符。BMP 的字符使用一个 16 位代码单元表示，范围是 U+0000 到 U+FFFF。

2.2、补充平面

补充平面包括补充多文种平面、补充符号和平面、补充表情符号等。补充平面的字符使用两个 16 位代码单元表示，范围是 U+10000 到 U+10FFFF。这意味着补充平面的字符在 JavaScript 中会占用两个字符长度。

let str = "𐍈"; // 这个字符是补充平面的字符
console.log(str.length); // 输出 2，因为它占用了两个代码单元
console.log(str.charCodeAt(0)); // 输出 55297，第一个代码单元
console.log(str.charCodeAt(1)); // 输出 56360，第二个代码单元

三、不可变性

3.1、不可变字符串

JavaScript 中的字符串是不可变的。这意味着一旦创建了字符串，就不能改变它的内容。任何对字符串的操作都会生成一个新的字符串，而不会修改原来的字符串。

let str = "Hello";
str[0] = "h"; // 无效操作，因为字符串是不可变的
console.log(str); // 输出 "Hello"
str = "hello"; // 重新分配一个新的字符串
console.log(str); // 输出 "hello"

3.2、字符串操作的影响

由于字符串是不可变的，所以每次对字符串进行操作时，都会创建一个新的字符串。这可能会对性能产生影响，特别是在需要进行大量字符串操作的情况下。因此，在处理大量字符串时，建议使用数组或其他可变的数据结构。

let str = "a";
for (let i = 0; i < 100000; i++) {
    str += "a"; // 每次循环都会创建一个新的字符串
}
console.log(str.length); // 输出 100001

四、内存分配

4.1、字符串内存分配

由于 JavaScript 中的字符串是不可变的，所以每次创建字符串时，都会在内存中分配新的空间。字符串的内存分配主要取决于其长度和编码方式。在 UTF-16 编码下，每个字符占用 2 个字节（对于 BMP 内的字符）或 4 个字节（对于补充平面的字符）。

4.2、优化内存使用

为了优化内存使用，可以考虑以下几种方法：

使用字符串池：字符串池是一种优化技术，通过共享相同的字符串实例来减少内存占用。JavaScript 引擎通常会自动使用字符串池来优化内存使用。
避免频繁的字符串拼接：频繁的字符串拼接会导致大量的内存分配和复制操作。可以使用数组或其他可变的数据结构来避免频繁的字符串拼接。

let arr = [];
for (let i = 0; i < 100000; i++) {
    arr.push("a");
}
let str = arr.join(""); // 一次性拼接字符串，减少内存分配和复制操作
console.log(str.length); // 输出 100000

五、字符串操作函数

5.1、常用字符串操作函数

JavaScript 提供了多种字符串操作函数，包括：

charAt：返回指定位置的字符
charCodeAt：返回指定位置字符的 Unicode 编码
concat：连接两个或多个字符串
includes：判断字符串是否包含指定子串
indexOf：返回指定子串在字符串中的位置
slice：提取字符串的子串
split：将字符串分割成数组
substring：提取字符串的子串
toLowerCase：将字符串转换为小写
toUpperCase：将字符串转换为大写

let str = "Hello, World!";
console.log(str.charAt(0)); // 输出 "H"
console.log(str.charCodeAt(0)); // 输出 72
console.log(str.concat(" How are you?")); // 输出 "Hello, World! How are you?"
console.log(str.includes("World")); // 输出 true
console.log(str.indexOf("World")); // 输出 7
console.log(str.slice(0, 5)); // 输出 "Hello"
console.log(str.split(", ")); // 输出 ["Hello", "World!"]
console.log(str.substring(0, 5)); // 输出 "Hello"
console.log(str.toLowerCase()); // 输出 "hello, world!"
console.log(str.toUpperCase()); // 输出 "HELLO, WORLD!"

5.2、处理补充平面字符的函数

由于补充平面字符在 JavaScript 中占用两个代码单元，因此在处理这些字符时需要特别注意。可以使用 ES6 新增的字符串操作函数来正确处理补充平面字符。

codePointAt：返回指定位置字符的 Unicode 码点
fromCodePoint：从 Unicode 码点创建字符串

let str = "𐍈";
console.log(str.length); // 输出 2，因为它占用了两个代码单元
console.log(str.codePointAt(0)); // 输出 66312，字符的 Unicode 码点
console.log(String.fromCodePoint(66312)); // 输出 "𐍈"

六、字符串的国际化

6.1、国际化字符串处理

JavaScript 提供了一些国际化字符串处理函数，用于处理不同语言和地区的字符串操作。例如，可以使用 localeCompare 函数来比较两个字符串，并根据指定的区域设置来确定比较结果。

let str1 = "ä";
let str2 = "z";
console.log(str1.localeCompare(str2, 'de')); // 输出 -1，在德语中 "ä" 小于 "z"
console.log(str1.localeCompare(str2, 'en')); // 输出 1，在英语中 "ä" 大于 "z"

6.2、Collator 对象

Collator 对象是 JavaScript 的国际化 API 提供的一种用于字符串比较的对象。可以使用 Collator 对象来根据指定的区域设置和比较选项来比较字符串。

let collator = new Intl.Collator('de', { sensitivity: 'base' });
let str1 = "ä";
let str2 = "a";
console.log(collator.compare(str1, str2)); // 输出 0，在德语中 "ä" 和 "a" 被认为是相等的

七、字符串的正则表达式

7.1、正则表达式简介

正则表达式是一种用于模式匹配和文本处理的强大工具。JavaScript 提供了对正则表达式的内置支持，可以使用正则表达式来搜索、替换和提取字符串中的特定模式。

7.2、常用正则表达式操作

JavaScript 提供了一些常用的正则表达式操作函数，包括：

test：测试字符串是否匹配正则表达式
exec：在字符串中执行搜索，并返回匹配结果
match：返回字符串中所有匹配的子串
replace：替换字符串中匹配的子串
search：返回字符串中匹配的子串的位置
split：根据正则表达式分割字符串

let str = "Hello, World!";
let regex = /o/g;
console.log(regex.test(str)); // 输出 true
console.log(regex.exec(str)); // 输出 ["o"]
console.log(str.match(regex)); // 输出 ["o", "o"]
console.log(str.replace(regex, "a")); // 输出 "Hella, Warld!"
console.log(str.search(regex)); // 输出 4
console.log(str.split(regex)); // 输出 ["Hell", ", W", "rld!"]

通过本文的详细介绍，相信你已经对 JavaScript 字符串的存储方式有了深入的了解。Unicode 编码、UTF-16 编码、不可变性、内存分配 是理解 JavaScript 字符串的关键点。希望本文能对你在实际开发中处理字符串时有所帮助。