DIV CSS 佈局教程網

JavaScript 字串截取全攻略:substring、substr 與中文安全處理
編輯:JavaScript綜合知識     

字串截取是日常開發最常做的小操作之一,但真正容易出錯的地方在中文——用錯方法就會出現亂碼。本文把常見的截取方法整理成一份對照說明,並附上處理中文的兩種自製函式。

一、substring(start, stop)

substring 提取介於兩個索引之間的字元,包含 start,不包含 stop。它的行為有幾個自動修正規則:

  • start 與 stop 相等,回傳空字串。
  • start 大於 stop,會自動交換兩個參數。
  • 任何參數為負數,一律當成 0。
  • 省略 stop,就一路取到結尾。
var str = "0123456789";
str.substring(0);     // "0123456789"
str.substring(5);     // "56789"
str.substring(10);    // ""
str.substring(-5);    // "0123456789"(負數視為 0)
str.substring(0, 5);  // "01234"
str.substring(2, 0);  // "01"(自動交換)
str.substring(2, 2);  // ""
str.substring(2, 5);  // "234"
str.substring(2, 12); // "23456789"(超出長度自動截斷)
str.substring(2, -2); // "01"

二、substr(start, length)

substr 的第二個參數是「要取幾個字元」,而不是結束位置,這點跟 substring 剛好相反,是最常見的混淆來源。另外 length 為 0 或負數時回傳空字串。

var str = "0123456789";
str.substr(0);    // "0123456789"
str.substr(5);    // "56789"
str.substr(0, 5); // "01234"
str.substr(2, 2); // "23"
str.substr(2, 5); // "23456"
str.substr(2, 12);// "23456789"
str.substr(2, -2);// ""
str.substr(-1, 5);// "01234"

補充一點:substr 被標記為 Annex B 的 legacy 特性,雖然目前所有主流瀏覽器仍支援,但新專案建議改用 slice 或 substring。slice 支援負索引,語意也最一致。

三、含中文時怎麼辦

substring 與 substr 本身不會因為中文而亂碼,它們處理的是 UTF-16 程式碼單位。真正的問題是「長度計算」:一個中文字在视觉上佔的寬度約是英文的兩倍,直接截 10 個字元會讓版面錯位或語意被切一半。因此需要一個「把中文算 2、英文算 1」的自製函式。

做法一:擴充 String.prototype

String.prototype.sub = function (n) {
    var r = /[^\x00-\xff]/g;
    if (this.replace(r, "mm").length <= n) { return this; }
    var m = Math.floor(n / 2);
    for (var i = m; i < this.length; i++) {
        if (this.substr(0, i).replace(r, "mm").length >= n) {
            return this.substr(0, i) + "...";
        }
    }
    return this;
};

做法二:獨立函式,可選擇是否加省略號

// 截取字串(含中文處理)
// 參數:(字串, 截取長度, 是否加上 ...)
function subString(str, len, hasDot) {
    var newLength = 0;
    var newStr = "";
    var chineseRegex = /[^\x00-\xff]/g;
    var singleChar = '';
    var strLength = str.replace(chineseRegex, '**').length;
    for (var i = 0; i < strLength; i++) {
        singleChar = str.charAt(i).toString();
        if (singleChar.match(chineseRegex) != null) { newLength += 2; }
        else { newLength++; }
        if (newLength > len) { break; }
        newStr += singleChar;
    }
    if (hasDot && strLength > len) { newStr += '...'; }
    return newStr;
}

完整可運行範例

<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<title>JavaScript 字串截取處理(含中文)</title>
<script language="javascript">
String.prototype.sub = function (n) {
    var r = /[^\x00-\xff]/g;
    if (this.replace(r, "mm").length <= n) { return this }
    var m = Math.floor(n / 2);
    for (var i = m; i < this.length; i++) {
        if (this.substr(0, i).replace(r, "mm").length >= n) {
            return this.substr(0, i) + "..."
        }
    }
    return this
};
function subString(str, len, hasDot) {
    var newLength = 0, newStr = "";
    var chineseRegex = /[^\x00-\xff]/g;
    var singleChar = '';
    var strLength = str.replace(chineseRegex, '**').length;
    for (var i = 0; i < strLength; i++) {
        singleChar = str.charAt(i).toString();
        if (singleChar.match(chineseRegex) != null) { newLength += 2 } else { newLength++ }
        if (newLength > len) { break }
        newStr += singleChar
    }
    if (hasDot && strLength > len) { newStr += '...' }
    return newStr
}
</script>
</head>
<body>
<script language="javascript">
var str = '我愛www.jb51.net';
alert(str.sub(10));
alert(subString(str, 10, false));
</script>
</body>
</html>

選擇哪一種取決於場景:需要「視覺寬度一致」就用做法二;只是單純想限制字數,直接用 Array.from(str).slice(0, n).join('') 更安全,因為它能正確處理 emoji 這類佔兩個 UTF-16 單位的字元,不會把字元切成一半變成亂碼。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved