博客
关于我
变量的声明提前和函数的声明提前 全局作用域和函数作用域的定义和释义
阅读量:651 次
发布时间:2019-03-15

本文共 1328 字,大约阅读时间需要 4 分钟。

window全局对象

全局作用域:

直接编写在script标签中的js代码,都在全局作用域
全局作用域中的变量都是全局变量,在页面的任意的部分都可以访问的到
在页面开启时创建全局作用域,在页面关闭时全局作用域销毁

window对象的简介:

window是全局作用域中的一个对象,他代表的是一个浏览器的窗口,他由浏览器创建,我们可以直接使用。
在全局作用域中,我们创建的变量都会作为window对象的属性保存
在这里插入图片描述
所以我们可以这样来调用全局作用域中的变量

同时,全局作用域中创建的函数都会作为window的方法来保存

在这里插入图片描述
全局作用域中的对象也可以作为window的属性
在这里插入图片描述

变量的声明提前

变量的声明会提前,什么意思呢?

就是说,当我们用var声明一个变量,那么无论你这个声明在js代码里面的哪里写着他都会在函数中所有代码执行之前被声明。

比如:
在这里插入图片描述

这里,虽然a的声明写在了调用a的前面,但是没有报错,只是返回了一个undefined,下面的b后面没写var但是报错了。

原因:

变量的var声明无论写在js的哪里都会在所有代码的执行之前进行声明,但是只是声明,不会在前面赋值

在js里面我们声明变量的时候其实可以不使用var关键字,比如这样a=123这样就等于,window.a=123,但是,如果我们声明变量不使用var关键字的话,那么他就不会在所有代码的执行之前进行声明

函数的声明提前

函数有两种定义方式,如下:

在这里插入图片描述
可以看到,第一种定义函数的方法在定义之前我们就可以调用,但是第二种定义方法在定义之前调用的话会报错

第一种定义函数方法:

function hanshu1(){}会在函数中所有代码执行前进行定义,即声明提前

第二种定义函数方法:

var hanshu2=function(){};不会声明提前

前面两个加函数中的意思是如果是在函数中这样定义,那么在函数外面还是无法调用定义的函数或变量。js中可以进行函数的嵌套声明

函数定义域

调用函数时创建函数作用域,函数执行完毕以后函数作用域销毁。

每调用一次函数就会创建一个新的函数作用域,他们之间互相独立
当在函数作用域操作一个变量时,它会先在自身作用域中寻找,如果找不到会返回上一级寻找直到找到全局变量
注意:
上一级的变量不一定是全局变量,因为js中的函数可以嵌套
比如:
在这里插入图片描述
注意这里:
黑线圈起来的部分,因为定义的han()函数也是在hanshu()里面定义的,所以也是一个局内函数,不能在hanshu()外边直接调用,但是可以在han()函数外hanshu()函数中调用,然后再在hanshu()函数外调用hanshu()函数就能调用han()函数了

如果在函数作用域中要访问跟函数作用域变量同名的全局作用域变量,那么我们可以把这个变量当做window对象的属性来进行调用,即window.变量名

在函数组作用域中也有声明提前的特性,如下:

在这里插入图片描述
函数里面在调用c后面定义c前面没有定义,然后不会用他外边的c

注意:

在任何都没有定义的变量,在函数中直接的使用并且这个函数被调用的话,那么他其中未定义的使用的变量会变成全局变量
在这里插入图片描述
还有这么一个东西
在这里插入图片描述
定义函数里面写形参就等于这些形参在函数里面定义了
如下
在这里插入图片描述
就这样

转载地址:http://fabmz.baihongyu.com/

你可能感兴趣的文章
NLog 自定义字段 写入 oracle
查看>>
NLog类库使用探索——详解配置
查看>>
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:从头开始的文本矢量化方法
查看>>
NLP:使用 SciKit Learn 的文本矢量化方法
查看>>
nmap 使用方法详细介绍
查看>>
nmap使用
查看>>
Nmap扫描教程之Nmap基础知识
查看>>