重学js —— 源文本

[lizhongzhen11]

源文本

句法

SourceCharacter ::

   任何Unicode码点

ECMAScript代码使用Unicode表示。ECMAScript源文本是一系列码点。所有在 U+0000 ~ U+10FFFF 之间的Unicode码点值，包含代理码点，都可能出现在ECMAScript语法允许的源文本中。用于存储和交换ECMAScript源文本的实际编码与该规范无关。不管外部源文本编码如何，符合ECMAScript的实现 将源文本视为与 SourceCharacter 值的 等效序列 相同，每个 SourceCharacter 都是一个Unicode码点。一致性ECMAScript实现不需要执行源文本的任何规范化，或表现为好像正在执行源文本的规范化。

即使用户可能将整个序列视为一个字符，但组合字符序列的组成部分仍被视为单独的Unicode码点。

注意：在字符串，正则表达式，模板和标识符中，任何Unicode码点也可以使用Unicode转义序列表示，这些转义序列明确表示码点的数值。在注释中，这样的转义序列作为注释的一部分被有效地忽略。


ECMAScript在Unicode转义序列上的行为和Java程序语言不同。在Java中，例如在单行注释中的Unicode转义序列 \u000A，它被解释为行终止符（Unicode码点 U+000A 代表 换行（LF））且因此下一个码点不会是该注释的一部分。相似地，在Java程序字符串中的Unicode转义序列 \u000A，它同样被解释为一个行终止符，这在字符串文字中是不允许的，必须用 \n 代替 \u000A 才能使换行符（LF）成为字符串的一部分。

在ECMAScript程序中，注释中的Unicode转义序列不会被解释且因此不能作为注释的终止符。类似的，ECMAScript程序字符串中的Unicode转义序列是字符串的一部分，也不会被解释成行终止符或字符串终止的码点。

静态语义：UTF16Encoding ( cp )

• cp 是 UTF-16 编码的数字码点值

1. 断言：0 ≤ cp ≤ 0x10FFFF
2. 如果 cp ≤ 0xFFFF，返回 cp
3. 定义 cu1 为 floor((cp - 0x10000) / 0x400) + 0xD800
4. 定义 cu2 为 ((cp - 0x10000) modulo 0x400) + 0xDC00
5. 返回由 cu1 后面跟着 cu2 组成的码点序列

静态语义：UTF16Decode ( lead, trail )

• 构成 UTF-16 代理对 的两个码点 lead 和 trail，被转换为一个码点

1. 断言：lead 是 leading surrogate（主要代理），trail 是 trailing surrogate（尾随代理项）
2. 定义 cp 为 (lead - 0xD800) × 0x400 + (trail - 0xDC00) + 0x10000
3. 返回 cp 的码点

静态语义：CodePointAt ( string, position ) —— codePointAt

抽象操作 CodePointAt 将字符串解释为UTF-16编码的码点序列，正如 String 类型 中定义的那样，并从索引 position 的代码单元开始读取单个码点。

1. 定义 size 为 string 的长度
2. 断言：position ≥ 0 且 position < size
3. 定义 first 为 string 内索引 position 处的代码单元
4. 定义 cp 为 其数值是 first 的码点
5. 如果 first 不是 leading surrogate（主要代理） 或 trailing surrogate（尾随代理项）
   1. 返回 Record{ [[CodePoint]]: cp, [[CodeUnitCount]]: 1, [[IsUnpairedSurrogate]]: false }
6. 如果 first 是 trailing surrogate（尾随代理项） 或 position + 1 = size
   1. 返回 Record{ [[CodePoint]]: cp, [[CodeUnitCount]]: 1, [[IsUnpairedSurrogate]]: true }
7. 定义 second 为 string 内索引 position + 1 的代码单元
8. 如果 second 不是 trailing surrogate（尾随代理项）
   1. 返回 Record{ [[CodePoint]]: cp, [[CodeUnitCount]]: 1, [[IsUnpairedSurrogate]]: true }
9. 设置 cp 为 ! UTF16Decode(first, second)
10. 返回 Record{ [[CodePoint]]: cp, [[CodeUnitCount]]: 2, [[IsUnpairedSurrogate]]: false }

源代码类型

有四种类型的ECMAScript代码：

• Global code（全局代码）是被视为ECMAScript 脚本 的源文本。特定 脚本 的全局代码不包含任何被解析为 FunctionDeclaration, FunctionExpression, GeneratorDeclaration, GeneratorExpression, AsyncFunctionDeclaration, AsyncFunctionExpression, AsyncGeneratorDeclaration, AsyncGeneratorExpression, MethodDefinition, ArrowFunction, AsyncArrowFunction, ClassDeclaration, 或 ClassExpression 的源文本。

• Eval code 是提供给内置 eval 函数的源文本。更确切地说，如果内置 eval 函数的参数是字符串，它被视为ECMAScript 脚本。eval 函数特定调用的 eval code 是该 脚本 的全局代码部分。

• Function code（函数代码）是经过解析的源文本，以提供ECMAScript 函数对象 的 [[ECMAScriptCode]] 和 [[FormalParameters]] 内部插槽的值（请参见函数对象）。特定ECMAScript函数的函数代码不包含任何以下源文本，这些源文本被解析为嵌套的 FunctionDeclaration, FunctionExpression, GeneratorDeclaration, GeneratorExpression, AsyncFunctionDeclaration, AsyncFunctionExpression, AsyncGeneratorDeclaration, AsyncGeneratorExpression, MethodDefinition, ArrowFunction, AsyncArrowFunction, ClassDeclaration, 或 ClassExpression。

  此外，如果上面提到的源文本被解析为：

  • FunctionDeclaration 或 FunctionExpression 的 FormalParameters 和 FunctionBody
  • GeneratorDeclaration 或 GeneratorExpression 的 FormalParameters 和 GeneratorBody
  • AsyncFunctionDeclaration 或 AsyncFunctionExpression 的 FormalParameters 和 AsyncFunctionBody
  • AsyncGeneratorDeclaration 或 AsyncGeneratorExpression 的 FormalParameters 和 AsyncGeneratorBody

  与该声明或表达式的 BindingIdentifier（如果有）匹配的源文本也包含在相应函数的函数代码中。

• Module code（模块代码）是源文本，它是作为 ModuleBody 提供的代码。初始化模块时直接评估该代码。特定模块的模块代码不包含任何以下源文本，这些源文本被解析为嵌套的 FunctionDeclaration, FunctionExpression, GeneratorDeclaration, GeneratorExpression, AsyncFunctionDeclaration, AsyncFunctionExpression, AsyncGeneratorDeclaration, AsyncGeneratorExpression, MethodDefinition, ArrowFunction, AsyncArrowFunction, ClassDeclaration, 或 ClassExpression。

注意1：函数代码通常作为以下内容的主体提供：函数定义，箭头函数定义，方法定义，Generator函数定义，Async函数定义，Async Generator函数定义，Async箭头函数定义。函数代码还从函数 构造器，GeneratorFunction 构造器 和 AsyncFunction 构造器 的参数派生。

注意2：在函数代码中包含 BindingIdentifier 的实际效果是，严格模式代码的Early Errors会应用到 BindingIdentifier，即该函数的名称包含其主体中的 "use strict" 指令，即使周围的代码不是严格模式。

严格模式

• 规范对严格模式的补充：C The Strict Mode of ECMAScript
• 全局代码如果包含了以 Use Strict Directive（使用严格指令） 的 Directive Prologue（指令序言） 开始 就是 严格模式代码。
• 模块代码永远是严格模式代码
• ClassDeclaration 或 ClassExpression 所有部分都是严格模式代码
• 如果包含了以 Use Strict Directive（使用严格指令） 的 Directive Prologue（指令序言） 开始 或 对包含严格模式代码的 eval 直接 调用的 Eval code 也是严格模式代码。
• 对于函数代码，如果相关联的 FunctionDeclaration, FunctionExpression, GeneratorDeclaration, GeneratorExpression, AsyncFunctionDeclaration, AsyncFunctionExpression, AsyncGeneratorDeclaration, AsyncGeneratorExpression, MethodDefinition, ArrowFunction, AsyncArrowFunction 中包含严格模式代码 或 函数的 [[ECMAScriptCode]] 内置插槽的值以 包含了 Use Strict Directive（使用严格指令） 的 Directive Prologue（指令序言） 开始，则该函数代码是严格模式代码。
• 对于被提供给 内置函数，Generator，AsyncFunction 和 AsyncGenerator的 构造器 作为参数的函数代码，如果最后一个参数是一个字符串，该字符串在处理时是一个 FunctionBody，该 FunctionBody 以包含使用 Use Strict Directive（使用严格指令） 的 Directive Prologue（指令序言） 开头，则该函数代码是严格模式代码。

非严格模式的ECMAScript代码成为 non-strict code（非严格模式）