转义字符在前端开发中的详细介绍

时间:2023-01-28 10:06:32

说起转义字符,大家最先想到的肯定是使用反斜杠,这也是我们最常见的,很多编程语言都支持。
转义字符从字面上讲,就是能够转变字符原本的意义,得到新的字符。常用在特殊字符的显示以及特定的编码环境中。
除了反斜杠以外,在前端开发中,还有其他几种转义字符,也是较常见的,本文将对这些做一个总结。

字符串中的转义

使用反斜杠来表示转义字符时,主要是在字符串中使用。这里就需要了解字符集和编码等知识,具体可见前文。

字符集就是字符的集合,最常见的 ASCII字符集、Unicode字符集等:
ASCII的任一个字符都可以被转义,使用的就是反斜杠加上数字编码,特殊的也能使用反斜杠加上字母。
Unicode,也能进行转义,使用则是反斜杠加上码点。由于Unicode包含了ASCII的所有字符,且编码一致,所以都可算编码转义,而现在前端编程所涉及到的已经都是Unicode字符。
字符集和字符编码等具体知识,可见博文前端开发中需要搞懂的字符编码知识

一般,反斜杠(\)在字符串中有特殊的含义,用来和后面的字符一起组合表示一些特殊字符,所以又被称为转义符。

反斜杠后面可以跟着的字符大致有以下几种:

  • 字母
  • 三位八进制
  • x 加上 两位十六进制
  • Unicode码点

字母

转义字符中最基础的就是:使用反斜杠\加上字母,表示那些无法输入表示特殊含义的字符,常见的有以下几种:

  • \b 后退键
  • \f 换页符
  • \n 换行符
  • \r 回车键
  • \t 制表符
  • \v 垂直制表符

以前在字符串拼接时,就经常使用\n、\t:

  "\n      " +
  console.log('test') +
  "\n    "

需要注意的是,这些字母是特殊的可应用于转义的字母。
如果是非特殊字母,加上反斜杠,则会忽略反斜杠,很多字符也是同样忽略反斜杠:

'\a' // 'a'
'\"' // '"'
'\?' // '?'

十六进制数字

十六进制更常用,它的转义规则:\x<hex>\x后跟上2位十六进制数。
因为只有两位,范围是:0x00-0xFF,所以这种方式也只能输出265种字符,其中:

  • 0x00-0x7F 和ASCII码一致
  • 0x80-0x9F 表示控制字符
  • 0xA0-0xFF 表示文字字符
'\xA9' // '©'
'\x75' === 'u' // true
'\x67' // 'g'

八进制数字

反斜杠后面跟3位八进制数(),就代表一个转义字符:

'\251' // '©'
'\165' === 'u' // true
'\106' // 'F'

取值范围:000-377,总共也是有256种字符,其中就包含了所有的ASCII码。

八进制和十六进制能转义的字符是一样的,进行进制转换即可,见前文。
在JS中,用这两种方式的转义字符是相等的:

'\xA9' === '\251' // true
'\200' === '\x80' // true

Unicode码点

提到Unicode,首先需明确的一点,JS中的字符串是基于Unicode的UTF-16编码方式。
Unicode字符规定了码点和字符平面。

码点使用从U+0000到U+10FFFF的方位来表示所有的字符。
如果直接使用码点来转义所有的Unicode字符,则使用规则:\u{<hex>}\u后跟上1-6位的十六进制:

'\u{A9}' // '©'
'\u{597d}' // '好'
'\u{1f604}' // '????'

字符平面又分为基本平面和非基本平面
其中对于基本平面(65536个字符)的字符,转义规则:\u<hex>\u后跟上4位十六进制数:

'\u00A9' // "©"
'\u0075' === 'u' // true
'\u597d' // '好'

对于非基本平面的字符,则要使用UTF-16的码元规则,一般是两个码元:\u<hex>\u<hex>\u后各4位十六进制:

'\uD83D\uDE04' // '????'
'\uD83C\uDF34' // '????'

只要获取到字符的Unicode编号码点,即可以通过这种方式转义所有的字符。

正则表达式中的转义

在正则表达式中有许多特殊的符号,起着不同的作用,但如果要匹配这些特殊符号本身,就需要用到转义了。
这里的转义字符也是使用反斜杠,后面跟上需要匹配的符号,即可,如:\+ 匹配加号。

在正则表达式中,需要反斜杠转义匹配的字符,一共是12个:^ . [ $ ( ) | * + ? { \,这些字符都是正则的特殊字符。

/5$/.test('5$') // false
/5\$/.test('5$') // true

上面代码,$符号加了转义才能匹配成功,否则不匹配。

当使用RegExp方法时,正则参数是字符串,反斜杠\需要2个,因为字符串内会先转义一次:

(new RegExp('5$')).test('5$') // false
(new RegExp('5\$')).test('5$') // false
(new RegExp('5\\$')).test('5$') // true

上面代码中,只有第三行因为使用了两个反斜杠,才能转义成功,得到正确的值。

HTML中的转义

HTML中转义字符也是较常见的,主要有三种形式的转义。

最常见的是基于实体名称

  • & 后加上实体名称 再加上分号 ;
空格  &nbsp;
大于号 > &gt;

实体名称转义以前是为了处理html中的特殊的字符显示问题,比如小于号 <在THML中是作为元素标签的一部分使用的,作为特殊字符,直接输入会出错。

但目前在现代浏览器上,已经能正常显示大于小于号这些符号,可以不使用转义字符。

另两种是基于Unicode码点

  • &#x 后加十六进制码点 再加上分号 ;
&#x1f604; => ????
&#x597d; => 好
&#x26; => &
  • &# 后加十进制的码点 再加上分号 ;
&#128516; => ????
&#22909; => 好
&#38; => &

基于实体名称转义的字符,也是被包含在Unicode字符集中的,所以也可以使用码点来进行转义。
在HTML中最常用到的转义字符,可见下面整理的表格:

字符 名称 名称转义 码点转义
" 双引号 &quot; &#34;
& 和号 &amp; &#38;
< 小于号 &lt; &#60;

|大于号|&gt;|&#62;
'|单引号|&apos;|&#39;
空格|空格|&nbsp;|&#160;
©|版权号|&copy;|&#169;
¢|分|&cent;|&#162;
£|镑|&pound;|&#163;
¥|人名币|&yen;|&#165;
$|美元|&dollar;|&#36;
©|版权|&copy;|&#169;
®|注册商标|&reg;|&#174;
×|乘号|&times;|&#215;
÷|除号|&divide;|&#247;

URL转义字符

另外,在web开发中,URL链接也是有编码转义的,特别是针对URL元字符和中文等特殊字符:
http://baidu.com/中国 编码转义为 http%3A%2F%2Fbaidu.com%2F%E4%B8%AD%E5%9B%BD

可以使用encodeURIComponent 和 decodeURIComponent 对URL链接进行编解码处理。

URL中的转义规则:根据系统的默认编码(一般是UTF-8),是使用百分号(%)加上两位的十六进制数。

实际的转义,就是基于Unicode字符的码点,不过与字符串不太一样,这里使用的一般是UTF-8编码方式。

URL部分元字符的转义:

元字符 名称 转义符
+ 加号 %2B
空格 空格 %20
/ 斜杠 %2F
? 问号 %3F
# 井号 %23
& 和号 %26
= 等号 %3D
: 冒号 %3A
@ at符 %40
, 逗号 %2C
; 分号 %3B

中文等特殊字符则被转义成多个组合:

encodeURIComponent('http://baidu.com/中国????') // 'http%3A%2F%2Fbaidu.com%2F%E4%B8%AD%E5%9B%BD%F0%9F%98%84'

上面代码中,
就有元字符的转义:':' => %3A、'/' => %2F
而中文则转义成:中 => %E4%B8%AD、国 => %E5%9B%BD
表情符号转义成:???? => %F0%9F%98%84