Lexical grammar

BCD tables only load in the browser

此篇介紹 Javascript 的lexical grammar。ECMAScript 的原始碼從左到右被掃描並被轉換成一系列的輸入元素也就是 token、控制字元、行終止字元、註解或是空白字元。ECMAScript 也定義了一些特定的關鍵字和實體語法還有用來自動插入分號來結束陳述式的規則。

控制字元是用來控制對文本的解釋,但無法被顯示出來。

Unicode 格式的控制字元
編碼位置 名稱 縮寫 說明
U+200C 零寬不連字 <ZWNJ> 放置在兩個字元之間來避免在某些語言中這兩個字元被當成連字 (Wikipedia)
U+200D 零寬連字 <ZWJ> 放置在兩個通常不會發生連字的字元中間在某些語言
來讓他們成為連字 (Wikipedia)
U+FEFF 位元組順序記號 <BOM> 出現在腳本的開頭,用來標記此腳本是否為Unicode還有文本的位元組順序
 (Wikipedia)

空白字元提升了程式碼的可讀性也能將 tokens 分開。這些字元通常對程式的執行是不必要的。壓縮源碼工具通常會移除不必要的空白來減少資料傳輸量。

空白字元
編碼位置 名稱 縮寫 說明 跳脫字元
U+0009 定位字元 <HT> 橫向定位字元 \t
U+000B 縱向定位字元 <VT> 縱向定位字元 \v
U+000C 換頁字元 <FF> 控制換頁字元 (Wikipedia) \f
U+0020 空格 <SP> 一般的空白字元  
U+00A0 不中斷空格 <NBSP> 一般的空白字元,但禁止自動換行或合併多個空白 (Wikipedia)  
其他 其他Unicode空白字元 <USP> Wikipedia  

除了空白字元之外,行終止字元也用來提升源碼可讀性。然而,在某些情況下行終止字元會影響 Javascript 程式的執行,所以有些地方是被禁止使用的。行終止字元同時也會影響自動插入分號的運作。在正規表達式中,行終止字元屬於 \s 的類別。

在 ECMAScript 中,只有以下的Unicode碼位被視為行終止字元,其他如 Next Line, NEL, U+0085 等的行終止字元被視為空白字元。

行終止字元
編碼位置 名稱 縮寫 說明 跳脫字元
U+000A 換行字元 <LF> 在 UNIX 類的系統中的換行字元 \n
U+000D 歸位字元 <CR> 在 Commodore 與早期的 Mac 系統中的換行字元 \r
U+2028 行分隔字元 <LS> Wikipedia  
U+2029 段分隔字元 <PS> Wikipedia  

在 Javascript 程式中,註解通常被用來寫提示、註釋、建議或警告。這可以讓程式更好讀也更好理解,同時也是一個很好的除錯工具,可以讓一些程式碼不被執行。

Javascript 有兩種方式寫註解。

第一種是 //; 它將在它之後的文本變成註解。例如:

function comment() {
  // 這是一行 Javascript 註解
  console.log('Hello world!');
}
comment();

第二種更有彈性的方式是 /* */ 。

例如,你可以將它用在單行上:

function comment() {
  /* 這是一行 Javascript 註解 */
  console.log('Hello world!');
}
comment();

你也可以將它用來寫多行註解:

function comment() {
  /* 這個註解可以跨越多行。注意只有當我們要結束註解時才寫
     多行註解的終止符號 */
  console.log('Hello world!');
}
comment();

如果你想要你也可以把它插在一行的中央,雖然它會讓你的程式變得難讀所以請謹慎使用:

function comment(x) {
  console.log('Hello ' + x /* 插入 x 的值 */ + ' !');
}
comment('world');

此外,你也可以把一段程式用註解包起來讓它不被執行:

function comment() {
  /* console.log('Hello world!'); */
}
comment();

在這個情況, console.log() 永遠不會被呼叫因為它在註解裡面。任意行數的程式碼都可以用這個方法來使之失去作用。

根據 ECMAScript 的規格,以下的關鍵字被保留供未來使用。他們目前沒有功用但未來可能有,所以不能將他們用作識別字。

以下關鍵字將永遠被保留:

  • enum

以下關鍵字只有在嚴格模式底下才被保留:

  • implements
  • interface
  • let
  • package
  • private
  • protected
  • public
  • static

以下關鍵字只有在出現在模組程式碼中時才被保留:

  • await

舊標準中的未來保留關鍵字

以下關鍵字在舊的 ECMAScript 規格中 (ECMAScript 1 到 3) 為未來保留關鍵:

  • abstract
  • boolean
  • byte
  • char
  • double
  • final
  • float
  • goto
  • int
  • long
  • native
  • short
  • synchronized
  • throws
  • transient
  • volatile

此外,如 null, true 與 false 等實體語法 (literal) 在 ECMAScript 中不能被用作識別字。

只有當用在識別字的時候保留關鍵字才會被保留 (相對於 IdentifierNames) 。如 es5.github.com/#A.1 所述,以下保留關鍵字的用法都屬於IdentifierNames 因此是合法的。

a.import
a['import']
a = { import: 'test' }.

反之,以下用法不合法因為用在識別字上,識別字屬於 IdentifierName 但不包含保留字。識別字用在 FunctionDeclaration, FunctionExpression, VariableDeclaration 等等?。而 IdentifierName 被用在 MemberExpression, CallExpression 等等。

function import() {} // 不合法.

更多說明請參閱 null

null

更多說明請參閱 Boolean

true
false

十進制

1234567890
42

// 謹慎使用前導零
0888 // 888 被解析成十進制
0777 // 被解析成八進制, 十進制值為 511

數值的實體語法可以可以以零 (0) 為首再街上其他十進制數字。然而一但零後面的的數字都小於8時,這個數值會被解讀成八進制數字,這個行為不會丟出例外,請參閱 bug 957513。也請參閱 parseInt()

二進制

二進制數字的語法為一個起首零加上小寫或大小的拉丁字元"B"  (0b 或 0B)。因為這個語法是在 ECMAScript 2015 才新增的,請參閱底下的瀏覽器相容表。如果 0b 之後的數字不是0或1,"0b之後找不到二進制數字"的 SyntaxError 會被丟出。

var FLT_SIGNBIT  = 0b10000000000000000000000000000000; // 2147483648
var FLT_EXPONENT = 0b01111111100000000000000000000000; // 2139095040
var FLT_MANTISSA = 0B00000000011111111111111111111111; // 8388607

八進制

八進制數字的語法為一個起首零加上小寫或大小的拉丁字元"O"  (0o 或 0B)。因為這個語法是在 ECMAScript 2015 才新增的,請參閱底下的瀏覽器相容表。如果 0o 之後的數字不是 (01234567) 其中之一,"0o之後找不到八進制數字"的 SyntaxError 會被丟出。

var n = 0O755; // 493
var m = 0o644; // 420

// 也可以省略'o/O'只寫一個前導0 (參閱上面十進位的提醒)
0755
0644

十六進制

十六進制數字的語法為一個起首零加上小寫或大小的拉丁字元"X"  (0x 或 0X)。如果 0x 之後的數字不是 (0123456789ABCDEF) 其中之一,"識別字緊接在數值實體語法後"的 SyntaxError 會被丟出。

0xFFFFFFFFFFFFFFFFF // 295147905179352830000
0x123456789ABCDEF   // 81985529216486900
0XA                 // 10

更多說明請參閱 Object 及 Object initializer

var o = { a: 'foo', b: 'bar', c: 42 };

// 簡短表示法 (ES2015 新增)
var a = 'foo', b = 'bar', c = 42;
var o = {a, b, c};

// ES2015 以前必須這樣寫
var o = { a: a, b: b, c: c };

更多說明請參閱 Array

[1954, 1974, 1990, 2014]
'foo'
"bar"

十六進制跳脫序列

'\xA9' // "©"

Unicode 跳脫序列

一個Unicode跳脫序列由 \u 接上4個十六進制的數值所組成。每一個十六進制的數值表示一個UTF-16編碼的2位元組字元。對於編碼位置在0~FFFF之間的字元,其Unicode表示法與編碼位置相同。而更高的編碼位置需要兩個跳脫序列來表示,又稱為代理對(surrogate pair),代理對表示的數值與編碼位置不同 (代理對計算規則wiki)。

'\u00A9' // "©"

Unicode 跳脫編碼位置

ECMAScript 2015 新增。使用Unicode跳脫編碼位置表示法,即可使用與編碼位置完全相同的表示法 (最高到 0x10FFFF) 而不受編碼位置高於FFFF需用代理對表示的限制。

更多說明請參閱 String.fromCodePoint() (en-US) 或 String.prototype.codePointAt() (en-US)

'\u{2F804}'

// 等價於代理對表示法
'\uD87E\uDC04'

更多說明請參閱  RegExp 。

/ab+c/g

// 一個空的正規表示法。
// 兩個斜線之間不得為空,否則將被視為單行註解。
/(?:)/

更多說明請參閱  template strings 。

`string text`

`string text line 1
 string text line 2`

`string text ${expression} string text`

tag `string text ${expression} string text`

否些 JavaScript statements 必須以分號作結,因此會受到自動插入分號 (ASI) 規則影響。

  • 空運算式
  • let, const, 變數宣告
  • import, export, 模組宣告
  • 運算式
  • debugger
  • continue, break, throw
  • return

ECMAScript 規格闡明 自動插入分號的三個規則

1.  如果 行終止字元 或 "}" 出現在不符文法的地方,一個分號會被自動插入在其之前。

{ 1 2 } 3

// 會被 ASI 轉換成

{ 1 2 ;} 3;

2.  當一個token輸入流到了結尾而解析器仍然無法將其解析為一個完整的程式,一個分號會被自動插入於其後。

在這裡 ++ 並不會被當作作用於變數b的 後綴運算元,因為行終止字元出現在b 和 ++之間。

a = b
++c

// 會被 ASI 轉換成

a = b;
++c;

3. 當一個運算式中出現 restricted productions 後面接著一個行終止元,一個分號會被自動插入於行終止元之前。以下這些陳述式有"不允許出現行終止元"規則:

  • 後綴運算式 (++ and --)
  • continue
  • break
  • return
  • yield, yield*
  • module
return
a + b

// 會被 ASI 轉換成

return;
a + b;
規格 狀態 備註
ECMAScript 1st Edition (ECMA-262) Standard Initial definition.
ECMAScript 5.1 (ECMA-262)
The definition of 'Lexical Conventions' in that specification.
Standard  
ECMAScript 2015 (6th Edition, ECMA-262)
The definition of 'Lexical Grammar' in that specification.
Standard Added: Binary and Octal Numeric literals, Unicode code point escapes, Templates
ECMAScript (ECMA-262)
The definition of 'Lexical Grammar' in that specification.
Living Standard