再談JavaScript數組去重

JavaScript的數組去重是一個老生常談的話題了。隨便搜一搜就能找到非常多不同版本的解法。

細想一下，這樣一個看似簡單的需求，如果要做到完備，涉及的知識和需要注意的地方著實不少。

定義重複（相等）

要去重，首先得定義，什麼叫作“重複”，即具體到代碼而言，兩個數據在什麼情況下可以算是相等的。這並不是一個很容易的問題。

對於原始值而言，我們很容易想到1和1是相等的，'1'和'1'也是相等的。那麼，1和'1'是相等的麼？

如果這個問題還好說，只要回答“是”或者“不是”即可。那麼下面這些情況就沒那麼容易了。

NaN

初看NaN時，很容易把它當成和null、undefined一樣的獨立數據類型。但其實，它是數字類型。

// number
console.log(typeof NaN);

根據規範，比較運算中只要有一個值為NaN，則比較結果為false，所以會有下面這些看起來略蛋疼的結論：

// 全都是false
0 < NaN;
0 > NaN;
0 == NaN;
0 === NaN;

以最後一個表達式0 === NaN為例，在規範中有明確規定（）：

4. If Type(x) is Number, then

a. If x is NaN, return false.

b. If y is NaN, return false.

c. If x is the same Number value as y, return true.

d. If x is +0 and y is −0, return true.

e. If x is −0 and y is +0, return true.

f. Return false.

這意味著任何涉及到NaN的情況都不能簡單地使用比較運算來判定是否相等。比較科學的方法只能是使用isNaN()：

var a = NaN;
var b = NaN;
// true
console.log(isNaN(a) && isNaN(b));

原始值和包裝對象

看完NaN是不是頭都大了。好了，我們來輕鬆一下，看一看原始值和包裝對象這一對冤家。

如果你研究過'a'.trim()這樣的代碼的話，不知道是否產生過這樣的疑問：'a'明明是一個原始值（字符串），它為什麼可以直接調用.trim()方法呢？當然，很可能你已經知道答案：因為JS在執行這樣的代碼的時候會對原始值做一次包裝，讓'a'變成一個字符串對象，然後執行這個對象的方法，執行完之後再把這個包裝對象脫掉。可以用下面的代碼來理解：

// 'a'.trim();
var tmp = new String('a');
tmp.trim();

這段代碼只是輔助我們理解的。但包裝對象這個概念在JS中卻是真實存在的。

var a = new String('a');
var b = 'b';

a即是一個包裝對象，它和b一樣，代表一個字符串。它們都可以使用字符串的各種方法（比如trim()），也可以參與字符串運算（+號連接等）。

但他們有一個關鍵的區別：類型不同！

typeof a; // object
typeof b; // string

在做字符串比較的時候，類型的不同會導致結果有一些出乎意料：

var a1 = 'a';
var a2 = new String('a');
var a3 = new String('a');
a1 == a2; // true
a1 == a3; // true
a2 == a3; // false
a1 === a2; // false
a1 === a3; // false
a2 === a3; // false

同樣是表示字符串a的變量，在使用嚴格比較時竟然不是相等的，在直覺上這是一件比較難接受的事情，在各種開發場景下，也非常容易忽略這些細節。

對象和對象

在涉及比較的時候，還會碰到對象。具體而言，大致可以分為三種情況：純對象、實例對象、其它類型的對象。

純對象

純對象（plain object）具體指什麼並不是非常明確，為減少不必要的爭議，下文中使用純對象指代由字面量生成的、成員中不含函數和日期、正則表達式等類型的對象。

如果直接拿兩個對象進行比較，不管是==還是===，毫無疑問都是不相等的。但是在實際使用時，這樣的規則是否一定滿足我們的需求？舉個例子，我們的應用中有兩個配置項：

// 原來有兩個屬性
// var prop1 = 1;
// var prop2 = 2;
// 重構代碼時兩個屬性被放到同一個對象中
var config = {
 prop1: 1,
 prop2: 2
};

假設在某些場景下，我們需要比較兩次運行的配置項是否相同。在重構前，我們分別比較兩次運行的prop1和prop2即可。而在重構後，我們可能需要比較config對象所代表的配置項是否一致。在這樣的場景下，直接用==或者===來比較對象，得到的並不是我們期望的結果。

在這樣的場景下，我們可能需要自定義一些方法來處理對象的比較。常見的可能是通過JSON.stringify()對對象進行序列化之後再比較字符串，當然這個過程並非完全可靠，只是一個思路。

如果你覺得這個場景是無中生有的話，可以再回想一下斷言庫，同樣是基於對象成員，判斷結果是否和預期相符。

實例對象

實例對象主要指通過構造函數（類）生成的對象。這樣的對象和純對象一樣，直接比較都是不等的，但也會碰到需要判斷是否是同一對象的情況。一般而言，因為這種對象有比較複雜的內部結構（甚至有一部分數據在原型上），無法直接從外部比較是否相等。比較靠譜的判斷方法是由構造函數（類）來提供靜態方法或者實例方法來判斷是否相等。

var a = Klass();
var b = Klass();
Klass.isEqual(a, b);

其它對象

其它對象主要指數組、日期、正則表達式等這類在Object基礎上派生出來的對象。這類對象各有各的特殊性，一般需要根據場景來構造判斷方法，決定兩個對象是否相等。

比如，日期對象，可能需要通過Date.prototype.getTime()方法獲取時間戳來判斷是否表示同一時刻。正則表達式可能需要通過toString()方法獲取到原始字面量來判斷是否是相同的正則表達式。

==和===

在一些文章中，看到某一些數組去重的方法，在判斷元素是否相等時，使用的是==比較運算符。眾所周知，這個運算符在比較前會先查看元素類型，當類型不一致時會做隱式類型轉換。這其實是一種非常不嚴謹的做法。因為無法區分在做隱匿類型轉換後值一樣的元素，例如0、''、false、null、undefined等。

同時，還有可能出現一些只能黑人問號的結果，例如：

[] == ![]; //true

Array.prototype.indexOf()

在一些版本的去重中，用到了Array.prototype.indexOf()方法：

既然==和===在元素相等的比較中是有巨大差別的，那麼indexOf的情況又如何呢？大部分的文章都沒有提及這點，於是只好求助規範。通過規範（），我們知道了indexOf()使用的是嚴格比較，也就是===。

再次強調：按照前文所述，===不能處理NaN的相等性判斷。

Array.prototype.includes()

Array.prototype.includes()是ES2016中新增的方法，用於判斷數組中是否包含某個元素，所以上面使用indexOf()方法的第二個版本可以改寫成如下版本：

那麼，你猜猜，includes()又是用什麼方法來比較的呢？如果想當然的話，會覺得肯定跟indexOf()一樣嘍。但是，程序員的世界裡最怕想當然。翻一翻規範，發現它其實是使用的另一種比較方法，叫作“SameValueZero”比較。

1. If Type(x) is different from Type(y), return false.

2. If Type(x) is Number, then

a. If x is NaN and y is NaN, return true.

b. If x is +0 and y is -0, return true.

c. If x is -0 and y is +0, return true.

d. If x is the same Number value as y, return true.

e. Return false.

3. Return SameValueNonNumber(x, y).

注意2.a，如果x和y都是NaN，則返回true！也就是includes()是可以正確判斷是否包含了NaN的。我們寫一段代碼驗證一下：

var arr = [1, 2, NaN];
arr.indexOf(NaN); // -1
arr.includes(NaN); // true

可以看到indexOf()和includes()對待NaN的行為是完全不一樣的。

一些方案

從上面的一大段文字中，我們可以看到，要判斷兩個元素是否相等（重複）並不是一件簡單的事情。在瞭解了這個背景後，我們來看一些前面沒有涉及到的去重方案。

遍歷

雙重遍歷是最容易想到的去重方案：

雙重遍歷還有一個優化版本，但是原理和複雜度幾乎完全一樣：

這種方案沒什麼大問題，用於去重的比較部分也是自己編寫實現（arr[i] === arr[j]），所以相等性可以自己針對上文說到的各種情況加以特殊處理。唯一比較受詬病的是使用了雙重循環，時間複雜度比較高，性能一般。

使用對象key來去重

這種方法是利用了對象（tmp）的key不可以重複的特性來進行去重。但由於對象key只能為字符串，因此這種去重方法有許多侷限性：

1. 無法區分隱式類型轉換成字符串後一樣的值，比如1和'1'

2. 無法處理複雜數據類型，比如對象（因為對象作為key會變成[object Object]）

3. 特殊數據，比如'__proto__'會掛掉，因為tmp對象的__proto__屬性無法被重寫

對於第一點，有人提出可以為對象的key增加一個類型，或者將類型放到對象的value中來解決：

該方案也同時解決第三個問題。

而第二個問題，如果像上文所說，在允許對對象進行自定義的比較規則，也可以將對象序列化之後作為key來使用。這裡為簡單起見，使用JSON.stringify()進行序列化。

Map Key

可以看到，使用對象key來處理數組去重的問題，其實是一件比較麻煩的事情，處理不好很容易導致結果不正確。而這些問題的根本原因就是因為key在使用時有限制。

那麼，能不能有一種key使用沒有限制的對象呢？答案是——真的有！那就是ES2015中的Map。

Map是一種新的數據類型，可以把它想象成key類型沒有限制的對象。此外，它的存取使用單獨的get()、set()接口。

var tmp = new Map();
tmp.set(1, 1);
tmp.get(1); // 1
tmp.set('2', 2);
tmp.get('2'); // 2
tmp.set(true, 3);
tmp.get(true); // 3
tmp.set(undefined, 4);
tmp.get(undefined); // 4
tmp.set(NaN, 5);
tmp.get(NaN); // 5
var arr = [], obj = {};
tmp.set(arr, 6);
tmp.get(arr); // 6
tmp.set(obj, 7);
tmp.get(obj); // 7

由於Map使用單獨的接口來存取數據，所以不用擔心key會和內置屬性重名（如上文提到的__proto__）。使用Map改寫一下我們的去重方法：

Set

既然都用到了ES2015，數組這件事情不能再簡單一點麼？當然可以。

除了Map以外，ES2015還引入了一種叫作Set的數據類型。顧名思義，Set就是集合的意思，它不允許重複元素出現，這一點和數學中對集合的定義還是比較像的。

var s = new Set();
s.add(1);
s.add('1');
s.add(null);
s.add(undefined);
s.add(NaN);
s.add(true);
s.add([]);
s.add({});

如果你重複添加同一個元素的話，Set中只會存在一個。包括NaN也是這樣。於是我們想到，這麼好的特性，要是能和數組互相轉換，不就可以去重了嗎？

function unique(arr){
 var set = new Set(arr);
 return Array.from(set);
}

我們討論了這麼久的事情，居然兩行代碼搞定了，簡直不可思議。

然而，不要只顧著高興了。有一句話是這麼說的“不要因為走得太遠而忘了為什麼出發”。我們為什麼要為數組去重呢？因為我們想得到不重複的元素列表。而既然已經有Set了，我們為什麼還要捨近求遠，使用數組呢？是不是在需要去重的情況下，直接使用Set就解決問題了？這個問題值得思考。

小結

最後，用一個測試用例總結一下文中出現的各種去重方法：

測試中沒有定義對象的比較方法，因此默認情況下，對象不去重是正確的結果，去重是不正確的結果。

最後的最後：任何脫離場景談技術都是妄談，本文也一樣。去重這道題，沒有正確答案，請根據場景選擇合適的去重方法。