百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

小白学JS发现了好用到爆的增强版字符串——模板字符串

ztj100 2024-12-05 18:05 19 浏览 0 评论

昨天学习了JS相关的基础知识,了解了JS变量、常量的声明,以及let、const的区别,今天学习了字符串模板,发现这真是一个好东西,非常实用,下面我把今天所学的内容总结梳理一下,把重点知识跟大家分享一下,也便于日后我复习所用。

一、模板字面量

模板字面量是在字符串中允许插入表达式的字符串字面量,我们可以使用多行字符串和字符串的插值功能。在ES2015(即:ES6)规范的先前版本中被称为“模板字符串”。

  • 语法

` string `

` string ${expression} `

` string ${expression} string `

  • 解释

模板字符串是增强版的字符串(Plus+),使用反引号(` `)来替代普通字符串中的单双引号,其中${expression}表示占位符。

注意在模板字符串中如果想使用反引号(`)需要加一个转义符(\),即:\`

  • 普通字符串
console.log('This is my first JS Code'); // This is my first JS Code
  • 效果图:
  • 多行字符串

在以前的字符串中,如果我们想要多行字符串,需要用到换行符(\n),例如:

console.log('This is my first JS Code \n' + 
'This is my second JS Code');
  • 效果如图:

但是,现在可以利用模板字符串简化这个问题:

console.log(`This is my first JS Code
This is my second JS Code`);
  • 字符串中嵌入变量、表达式

传统的JS表达式需要这样写:

let num = 30;
let price = 100;
let res = '商品数量' + num + ', 单价:' + price + '元,总计:' + num * price;

使用上述传统的表达式写起来看着非常的乱,不直观,有时候还容易把连接符(+)写漏掉了,使用了ES6的模板字符串可以很好的避免这个问题:

res = `商品数量:${num},单价:${price},总计:${num * price}`;
console.log(res); // 商品数量:30,单价:100,总计:3000

以上结果都输出:

商品数量:30,单价:100,总计:3000

  • 标签函数

标签可以用函数来解析模板字符串。标签函数的第一个参数是一个包含了字符串值的数组,剩余的参数与表达式相关。

let num = 10;
let price = 99;

function show(strings, var1, var2) {
    console.log(strings);
    console.log(var1, var2);
}

show `商品数量:${num}单价:${price}总计:${num * price}`;
  • 输出结果如图:

由上图可以看出,strings的值是一个由多组字符串组成的数组,va1,var2的值分别为num和price的值,由此结果可以很明显的看到,在使用标签函数时,模板字符串会被分割成多个部分,然后传入标签函数中进行处理,并且是以${expression}为分隔符进行分割的。从这个结论我们可以做一个总结:

  1. strings:以${}为分隔符分割得到的字符串数组;
  2. var1:模板中第一个${}的值;
  3. var2:模板中第二个${}的值;
  4. 如果还有var3,var4,var5...等变量,那么就以此类推即可。

以上就是我所学的模板字符串的几个常用的方法,总体感觉还不算是太难,上手很容易,根据我所学的内容,我对模板字符串做了如下总结:

  • 在表示多行字符串时,所有的空格、缩进、换行都将被保留在输出中;
  • 表达式大括号内(${})可以放任意的JavaScript表达式,并进行运算,以及对象属性的引用;
  • 可以调用函数;
  • 模板字符串可以嵌套。

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: