首页 > 代码库 > BOM 和 JavaScript 中的 trim
BOM 和 JavaScript 中的 trim
今天遇到一个 IE7 下 JSON.parse 失败的问题。经过排查发现：服务端某个配置文件编码是 UTF-8 + BOM，输出的字符串最开始包含了 BOM 字符，不是合法的 JSON。
IE7 不支持原生 JSON，我们项目中使用的是 json2.js，但解析不了开头有 BOM 字符的 JSON 不是 json2 的错，其他浏览器正常是因为它们忽略了响应正文开头的 BOM。如果像下面这样写，每个浏览器都会抛异常：
<script>var a = ‘{"a":1}‘;try { JSON.parse(a);} catch(e) { alert(e.message);}</script>
把这段代码贴进无敌强大的 CodeMirror，就能轻松发现这个不可见的 BOM 字符：
就今天遇到的情况来看，虽然问题出在接口提供方，但考虑到代码健壮性，也可以先 trim 字符串，再 JSON.parse。
String.prototype.trim 是 ES5 增加的方法，对于老旧浏览器，还得使用自己实现的 trim。我们先来看看 QWrap 和 jQuery 关于 trim 的实现：
//jQuery 1.7.2：trimLeft = /^[\s\xA0]+/;trimRight = /[\s\xA0]+$/;return text == null ? "" : text.toString() .replace( trimLeft, "" ) .replace( trimRight, "" );
jQuery 1.7.2 会过滤字符串两端的 \s 和 \xA0。对于IE 低版本，\s 等价于 [ \t\v\f\r\n]。这些字符的含义如下表：
| 名称 | Unicode 编码 | 字符串表示 | 说明 |
|---|---|---|---|
| <SP> | U+0020 | " ", "\x20", "\u0020" | 半角空格符，键盘空格键 |
| <TAB> | U+0009 | "\t", "\x09", "\u0009" | 制表符，键盘 tab 键 |
| <VT> | U+000B | "\v", "\x0B", "\u000B" | 垂直制表符 |
| <FF> | U+000C | "\f", "\x0C", "\u000C" | 换页符 |
| <CR> | U+000D | "\r", "\x0D", "\u000D" | 回车符 |
| <LF> | U+000A | "\n", "\x0A", "\u000A" | 换行符 |
| <NBSP> | U+00A0 | "\xA0", "\u00A0" | No-Break Space 禁止自动换行空格符 |
最后的「禁止自动换行空格符」<NBSP>，实际上就是 HTML 中经常用到的 。HTML 中，连续空白字符（半角空格、换行、tab 等）会被合并为一个空格， 则不会与其它相邻的空白字符合并。
可以看到，至少在 IE 低版本下，jQuery 1.7.2 无法过滤字符串两端的 BOM 字符。
//jQuery 1.8.1rtrim = /^[\s\uFEFF\xA0]+|[\s\uFEFF\xA0]+$/g,return text == null ? "" : text.toString().replace( rtrim, "" );
jQuery 1.8.1 在之前的基础上，又增加了 \uFEFF。它是 ES5 新增的空白符，叫「字节次序标记字符（Byte Order Mark）」，也就是前面提到的 BOM。
| 名称 | Unicode 编码 | 字符串表示 |
|---|---|---|
| <BOM> | U+FEFF | "\uFEFF" |
Unicode3.2 之前，\uFEFF 表示「零宽不换行空格（Zero Width No-Break Space）」；Unicode3.2 新增了 \u2060 用来表示零宽不换行空格，\uFEFF 就只用来表示字节次序标记了。
可以看到，jQuery 1.8.1 可以过滤 BOM。另外，考虑到某些浏览器实现的 trim 不过滤<NBSP> 或 <BOM>，jQuery 加了一层检测，并不是存在原生 trim 就一定用原生的。
//QWrap 1.1.6return s.replace(/^[\s\uFEFF\xa0\u3000]+|[\uFEFF\xa0\u3000\s]+$/g, "");
QWrap 的 trim，还增加了 \u3000。它是「表意文字空格（IDEOGRAPHIC SPACE）」，用于 CJK 统一表意文字，可以简单地认为它就是平时我们经常遇到的中文全角空格。
| Unicode 编码 | 字符串表示 | 说明 |
|---|---|---|
| U+3000 | " ", "\u3000" | IDEOGRAPHIC SPACE，CJK 全角空格 |
再来看看浏览器的 trim 应该处理哪些字符，ES5 文档中这样描述：
Let T be a String value that is a copy of S with both leading and trailing white space removed. The definition of white space is the union of WhiteSpace and LineTerminator.
也就是说字符串两端的 WhiteSpace 和 LineTerminator 都要去掉。
ES5 文档规定的 WhiteSpace，除了包含上面提过的 <SP>、<TAB>、<VT>、<FF>、<NBSP> 和<BOM> 之外，还包含 <USP> 定义的其它空白字符，USP 表示 Unicode 中「Separator, Space」分类下的字符，具体内容如下（来源：1、2）：
| Unicode 编码 | 说明 |
|---|---|
| U+0020 | SPACE，<SP> |
| U+00A0 | NO-BREAK SPACE，<NBSP> |
| U+1680 | OGHAM SPACE MARK，欧甘空格 |
| U+180E | Mongolian Vowel Separator，蒙古文元音分隔符 |
| U+2000 | EN QUAD |
| U+2001 | EM QUAD |
| U+2002 | EN SPACE，En 空格。与 en 同宽（em 的一半） |
| U+2003 | EM SPACE，Em 空格。与 em 同宽 |
| U+2004 | THREE-PER-EM SPACE，Em 三分之一空格 |
| U+2005 | FOUR-PER-EM SPACE，Em 四分之一空格 |
| U+2006 | SIX-PER-EM SPACE，Em 六分之一空格 |
| U+2007 | FIGURE SPACE，数字空格。与单一数字同宽 |
| U+2008 | PUNCTUATION SPACE，标点空格。与同字体窄标点同宽 |
| U+2009 | THIN SPACE，窄空格。em 六分之一或五分之一宽 |
| U+200A | HAIR SPACE，更窄空格。比窄空格更窄 |
| U+200B | Zero Width Space，<ZWSP>，零宽空格 |
| U+200C | Zero Width Non Joiner，<ZWNJ>，零宽不连字空格 |
| U+200D | Zero Width Joiner，<ZWJ>，零宽连字空格 |
| U+202F | NARROW NO-BREAK SPACE，窄式不换行空格 |
| U+205F | MEDIUM MATHEMATICAL SPACE，中数学空格。 用于数学方程式 |
| U+2060 | Word Joiner，同 U+200B，但该处不换行。 Unicode3.2 新增，代替 U+FEFF |
| U+3000 | IDEOGRAPHIC SPACE，表意文字空格。即全角空格 |
| U+FEFF | Byte Order Mark，<BOM>，字节次序标记字符。 不换行功能于 Unicode3.2 起废止 |
再来看看文档对 LineTerminator 的定义，除了前面介绍过的 <LF>（Line Feed，换行符）和 <CR>（Carriage Return，回车符），还有两个：
| 名称 | Unicode 编码 | 说明 |
|---|---|---|
| <LS> | U+2028 | 行分隔符 |
| <PS> | U+2029 | 段落分隔符 |
可以看到，ES5 定义的 trim 方法十分强大。浏览器实现方面，我测试了 Chrome 和 Firefox，上述大部分不可见字符都能被过滤，也能被正则里的 \s 匹配到。
QWrap 或 jQuery 实现的 trim，则只处理了常见字符，通常也够用。如果需要与 ES5 更加一致的 trim，可以看看 es5-shim 这个项目：
var ws = "\x09\x0A\x0B\x0C\x0D\x20\xA0\u1680\u180E\u2000\u2001\u2002\u2003\u2004\u2005\u2006\u2007\u2008\u2009\u200A\u202F\u205F\u3000\u2028\u2029\uFEFF";if (!String.prototype.trim || ws.trim()) { // http://blog.stevenlevithan.com/archives/faster-trim-javascript // http://perfectionkills.com/whitespace-deviations/ ws = "[" + ws + "]"; var trimBeginRegexp = new RegExp("^" + ws + ws + "*"), trimEndRegexp = new RegExp(ws + ws + "*$"); String.prototype.trim = function trim() { if (this === void 0 || this === null) { throw new TypeError("can‘t convert "+this+" to object"); } return String(this) .replace(trimBeginRegexp, "") .replace(trimEndRegexp, ""); };}
BOM 和 JavaScript 中的 trim