前言

今天聊下js中的数据类型，数据类型是一个语言的基石，那你真的了解我们工作中这些常使用的数据类型吗。可以先看以下几个问题？看看你能直接回答上来几个。本文将从这些问题入手，主要讲解我们在使用中容易模糊和产生歧义的点，加深我们对数据类型的理解。

问题

• 为什么说undefined是变量？那我们能改变它吗？
• 为什么 typeof null 是 'object'？null是对象吗？
• 0.1+0.2 为什么不等于 0.3？
• 为什么let s = '𠮷'; s.length === 2?
• 为什么"𠮷".charAt(0) // '\uD842'?

概述

在JavaScript中的类型系统可以分为以下七类，我们称之为语言类型，js不支持自己定义类型，所以在前端代码中所有值都来源于以下七种类型：

1. Undefined
2. Null
3. Boolean
4. Number
5. String
6. Symbol
7. Object

前六个是简单数据类型（原始值），Object是复杂数据类型，也是js中的大boss，整个js语言都是在对象的基础上建立的，依靠js异常灵活的类型系统，现有的7种类型可满足几乎所有使用场景。

Undefined

Undefined类型的值只有一个就是'undefined'，属于js中的特殊类型，自身的含义表示一个未定义的值，这个值在ES3版本以前是不存在的，引入的目的是为了明确空对象指针(null)与未初始化变量的区别。

应用场景：当声明一个变量并没有赋值时，就相当于给变量赋值了一个undefined，所以在任何情况下，我们都没必要给一个变量显式的赋值为 undefined，所以undefind并没有实际的主动使用的场景。

为什么说undefined是变量？那我们能改写它吗？

在MDN上对此的描述大概是：它挂载在全局对象，是全局作用域下的一个属性，这个属性的最初值就是原始数据类型undefined。

那问题又来了，既然是变量那我们能改变它吗？ 这个问题真是毫无意义，我们在任何时候都不会，不应该，不可能去尝试改变undefined的值。

而实际上现代浏览器自ES5标准以来undefined就是一个不能被配置（non-configurable），不能被重写（non-writable）的属性。可是在局部作用域中我们仍然可以声明一个名为undefined的变量，去覆盖全局作用域下的undefined，因为在ES中，undefined既不是关键字也不是保留字（无聊的知识增加了），请看下图：

image.png

为了符合编程规范，有些文章会提到可以使用void操作符合理合法的去获取undefined的值，。。。写起来还蛮耳目一新的（无聊的知识又增加了）。

总之，无论这是设计失误还是有意为之，对我们对于该语言的使用基本没有什么影响，简单了解下就好，这个其实也属于是没什么价值和意义的问题。

Null

Null类型的值只有一个就是'null'，与undefined类似，也属于js中的特殊类型，既然null是一个原始类型，那就有了这个问题了：

为什么 typeof null 是 'object'？null是对象吗？

这结果就很奇葩，但仍然表现如此，那多数就是历史原因导致，所以我们无需纠结null到底是原始值还是一个对象。《JavaScript高程4》中对此有比较合乎逻辑的定义：null值表示一个空对象的指针，null当然是个原始类型的值，但它也是个空对象的指针，这也解释了为什么typeof null === 'object'。

由此我们也应该能理解，null虽然含义与undefined类似都表示空，但null表示的是一个空对象，当我们要声明一个变量准备赋值一个对象，却在当时没有一个具体的对象可保存时，就要使用null来填充该变量，我们永远不会主动的去赋值一个undefined，却经常会主动赋值一个null表示一个对象的初始值。

值得一提的是，当我们去判断undefined == null时，会返回一个true，又是一个迷惑性的操作，背后原因是==操作符让值做了隐式类型转换，这也是js类型系统异常灵活的原因。

Boolean

布尔值，值有两个true和false

Number

Number类型最常用来表示我们常规意义上的十进制数字，也能使用八或十六进制，除此之外还有一些特殊的值如NaN、Infinity、-Infinity等，相关知识点虽多但大多比较容易理解。这里要专门聊的是js老生常谈的Number浮点值精度不足的问题：

0.1+0.2 为什么不等于 0.3？

前端：王德发？？ ES：雨我无瓜。

Number浮点值表现出来的这种特性来源于ES采用的IEEE754二进位浮点数算术标准，该标准运用广泛，很多常见的编程语言（如C++、C#、Java）都使用该标准来处理数据的存储与计算，实际上任何采用此标准的语言，都会有以上特性（有些语言通过内部封装帮助解决该问题）。而ES正是采用其中的双精度浮点数规则。

双精度浮点数是计算机中常见的一种数据格式，在内存中占64位。计算机对 Number 类型做存储时，需将其转化为二进制做存储，十进制小数转为二进制时，会出现二进制位数超出处理范围的问题，如0.1（0.000110011... 0011死循环）,计算机会通过0舍1入来存储处理范围内的位数，此时误差就出现了，但是由于保留位数很多，误差将非常小，可忽略不计。

但当我们需要测试某个特定的浮点值时，可能就会产生错误，所以我们在程序中尽量不去验证某个特定的浮点值。ES6之后新增了Number.EPSILON属性，表示数字最小间隔，也可用它来比较判断，是正常误差值还是个错误。

(0.1+0.2)-0.3<=Number.EPSILON //true

ES 也为我们处理了其他一些场景，如1/0并不会抛出错误，而是定义了Infinity的无穷值，非数值会表示为特殊的NaN值等。

String

本节探讨下字符串在 ES 中是如何做存储的，字符串有个非常常用的length属性，表示字符数量，凭借我们程序员最朴素的情感，通常认为length的值会与我们眼睛看到的结果是一致的，但偶尔会突然发现一些不一样的情况，如下：

let s = '𠮷'; console.log(s.length) // 2

栓Q，又被骗到

实际上字符串的存储要比我们看到的复杂的多，如何将字符串真正存储到计算机中，这里涉及到两个多数人都听过，但可能又不是特别了解的概念，字符集和字符编码。相关知识点很多可以单开一篇文章，下面简单讲解下。

字符集

字符集相当于一个密码本，在一个字符集中每个字符会对应一个固定的编号（码点），编号可以使用数字代替，而字符则可能是各种各样的文字表情、字母符号、图形图像等一切人们使用的符号。如果我们把全世界所有文字都放到一个字符集中，那就在计算机中实现了世界文字的统一。

而现在也正有这样的一个字符集那就是大名鼎鼎Unicode，这个字符集囊括了迄今为止世界上所有的文字，到今天发布到了15.0版本，收录了 149,186 个文字，已经成为计算机中使用最广泛的字符集标准。

Unicode使用数字给字符做唯一编号，通常使用十六进制表示，会在U+0000~U+10FFFF范围定义字符，能使用的总数大概是一百多万个，目前只有十分之一被定义了字符。比如U+597D代表中文字好。

Unicode将字符集范围分为了17个平面，前面的65536个字符位，称为基本多语言平面（BMP），它的码点范围就是U+0000~U+FFFF。所有最常见的字符都放在这个平面，是Unicode最先定义的一个平面，其他字符放在其他16个平面，称为增补平面（SMP），

字符编码

而字符编码是指计算机要如何将Unicode中的字符编号存入计算机中，是一种编码方式，每个字符集都有其对应的编码方式，而Unicode对应的编码方式就是我们常听到的，UTF8、UTF16、UTF32。特点如下：

• UTF8：1-4字节，变长
• UTF16：2或4字节，变长
• UTF32：4字节，定长

编码方式

我们知道计算机只能存储二进制数，所以当我们知道一个字符的十六进制码点数（字符编号），只要把它转成二进制，存到计算机中即可，而编码就是如何转换和存储的过程。

虽然以上三种编码方式目的都是将码点转成二进制数，但转换的方式、转换后存储的二进制数、计算机读取二进制的方法都是不同的，这是因为在U+0000~U+10FFFF范围的码点，转换成二进制存储，最小的只需要1个字节，最多需要3个字节

• 如果我们采用UTF32编码方式，分配给每个字符的内存都将是固定的4个字节/32位，这是最直观的存储方式，Unicode中所有码点转成的二进制数都是32位以内，所以计算机只需要直接将码点转成二进制存入计算机即可，读取时计算机固定按4个字节为一个字符的规则去读取。简单明了，但该方法将造成大量的空间浪费，比如排在前面的ASCII码的字符，只需要1个字节/8位去存储，将浪费3个字节。这种编码方式很少使用，互联网中普遍采用UTF8变长的方式去编码。
• 如果我们采用UTF16编码方式，分配给每个字符的内存将会分为2或4字节的定长，对于U+0000~U+FFFF范围的基本平面码点，使用2字节/16位直接转换存储。对于U+010000~U+10FFFF辅助平面码点，转换成二进制将大于16位，UTF16会将其拆成两半，使用两个2字节/16位去存储，该方法称为代理对。如𠮷（0xD842,0xDFB7）

UTF-16将这20位拆成两半，前10位映射在U+D800到U+DBFF（空间大小210），称为高位（H），后10位映射在U+DC00到U+DFFF（空间大小210），称为低位（L）。这意味着，一个辅助平面的字符，被拆成两个基本平面的字符表示。

• UTF8具体编码方式，可参考此文ASCII，Unicode 和 UTF-8

JS中的字符编码

说了这么多，我们再聊回js，js中到底采用哪种编码方式是UTF8还是UTF16呢，重点来了，都不是！js采用的是UTF16和UCS-2的编码混合策略，从今天看来UTF16可以算是UCS-2的升级版。为什么js不直接采用UTF16呢，因为js首次面世时UTF16还未推出，两者混用也算是一个历史遗留问题。

对于U+0000~U+FFFF基本平面的字符UCS-2与UTF16是完全没区别的，我们日常使用的绝大部分字符都来源于这个平面，所以js开发者在一般情况下对此无感。

而UCS-2是固定的将2字节/16位认为是一个字符（因为Unicode早期只有一个平面，16位已经完全足够，后期进行了扩容）。当字符中出现基本平面之外的字符，因为上文说的代理对策略，该字符会用两个2字节/16位去存储，而UCS-2固定的认为2字节就是一个单独的字符，所以此时使用字符类的操作时，会出现错误，所以才会出现上述问题'𠮷'.length = 2

当然这些都算是历史问题，自ES6推出，Unicode相关的编码问题已经得到解决，ES也完全有能力自动识别字符是2个字节还是4个字节，但开发者对于.length的使用习惯由来已久，为了保证兼容性，并未对其结果做出修正。

结尾

由于众所周知的历史原因和复杂多样的执行环境，JavaScript在使用过程中可能会遇到各种奇怪难理解的现象，有一些是因为更深层的底层原理，也有很多只是因为设计失误或历史包袱，在这里作者建议我们在学习中只聚焦少部分有价值的问题，而忽略无意义的探究。

参考文献

• 《JavaScript高级程序设计4》
• IEEE 754 双精度浮点数
• 字符集与编码（二）——编号 vs 编码
• Unicode与JavaScript详解
• ASCII，Unicode 和 UTF-8
• The Absolute Minimum Every Software Developer Absolutely...