ECMAScript 2017：从非终结符StringLiteral到String值的解析咨询

我来帮你把这个转换逻辑拆解得明明白白，结合你提到的标准细节一步步捋：

第一步：先过词法解析的“入门关” #

首先，ECMAScript 2017的词法规则（标准第11章）是整个转换的基础——它把源码里的每个字符都当作SourceCharacter（也就是10.1节定义的Unicode码点）来处理，然后根据不同的语法场景，从InputElementDiv、InputElementTemplateTail这些起始符号开始解析。说白了，这一步就是先把你写的字符串字面量（不管是双引号、单引号还是模板字符串）从一堆代码里“揪”出来，确保不会和除法运算符、正则表达式这类容易混淆的语法元素搞混。

第二步：字符串字面量的“内部加工” #

当词法分析器认准这是个字符串字面量后，就会开始处理里面的内容：

• 普通转义序列（比如\n换行、\"转义双引号）会直接替换成对应的UTF-16代码单元；
• Unicode转义序列分两种：\uXXXX（四位十六进制）会直接转成单个代码单元，\u{XXXXX}（大括号里的码点）如果是超出基本多语言平面的字符，会拆成两个代理对（比如表情😀会被拆成0xD83D和0xDE00两个代码单元）；
• 如果是模板字符串，里面的${表达式}部分会先把表达式的结果算出来，再转成字符串插入到对应位置。

第三步：生成最终的String值 #

经过上面的加工后，所有内容都会被转换成UTF-16代码单元的序列——这就是你最终拿到的String值。要记住：ECMAScript里的String本质是一串16位无符号整数，每个整数对应一个UTF-16代码单元，而不是直接存Unicode码点，这也是为什么有些复杂字符会占用两个“位置”的原因。

再补充下你提到的标准摘录的含义：

5.1.2 词法与正则表达式语法，ECMAScript的词法语法在第11章给出，其终结符为符合10.1节定义的SourceCharacter规则的Unicode码点，它定义了一组产生式，起始于目标符号InputElementDiv、InputElementTemplateTail或InputElementRegExp...

这段其实是在说词法分析的“启动规则”：不同的上下文要用不同的起始符号，比如在a / b里，/是除法运算符，这时候用InputElementDiv来解析；在let re = /abc/里，/是正则的开头，就用另一个起始符号；模板字符串的后半段也有专门的InputElementTemplateTail来处理——这么做就是为了避免语法歧义，保证字符串字面量在任何场景下都能被正确识别。

举个直观的例子：
你写的"hello\n\u{1F600}"，经过转换后：

• \n变成代码单元0x000A
• \u{1F600}变成代理对0xD83D + 0xDE00
• 最终的String值就是由h(0x0068)、e(0x0065)、l(0x006C)、l(0x006C)、o(0x006F)、0x000A、0xD83D、0xDE00这些代码单元组成的序列。

内容的提问来源于stack exchange，提问作者Magnus