DIV CSS 佈局教程網

JS 判斷字元是不是中文的兩種作法:正則表達式與 Unicode 範圍
編輯:JavaScript綜合知識     

當輸入內容混合中英文,而長度限制又以「中文算兩個字」計算時,就必須能判斷單一字元是不是中文。JavaScript 裡最常見的兩種做法如下。

做法一:用正則表達式比對

<input id="test" type="text"
       onblur="CheckChinese('test', this.value)" />

<script>
function CheckChinese(obj, val) {
    var reg = new RegExp("[u4E00-u9FFF]+", "g");
    if (reg.test(val)) {
        alert("不能輸入漢字!");
        var strObj = document.getElementById(obj);
        strObj.value = "";
        strObj.focus();
    }
}
</script>

關鍵是 Unicode 區段:\u4E00 到 \u9FFF 是 CJK 統一漢字區塊的基本範圍,涵蓋最常用的兩萬多個漢字。任何字元落在這個區間內,就判定為中文。

要注意的是,在字串中必須正確跳脫,寫成 "\u4E00-\u9FFF" 或直接寫成 regex 字面值 /[\u4E00-\u9FFF]+/。原始寫法把反斜線寫掉了,實際上比對的是「u4E00 到 u9FFF 這些英文字母」,永遠不會命中。

// 建議寫法
var reg = /[\u4E00-\u9FFF]+/;

做法二:用 charCodeAt 判斷 Unicode 編碼

這個做法的目標是「計算字串佔幾個字寬」:中文算 2,其他算 1。

function chkstrlen(str) {
    var strlen = 0;
    for (var i = 0; i < str.length; i++) {
        if (str.charCodeAt(i) > 255) strlen += 2;   // 中文佔兩個字寬
        else strlen++;
    }
    return strlen;
}

思路是用「編碼是否超過 255」當作判斷依據。這招在早期很有用,但判斷並不精準:日文假名、韓文、西里爾字母、希臘字母、以及許多特殊符號的編碼都遠大於 255,會被誤判成中文;反过来,中文全形標點如「,」「。」落在 \u3000 區段,反而在 255 的判斷下確實算中文,這點剛好正確但理由不同。

更準確的判斷

// 單一字元是否為中文
function isChinese(ch) {
    return /^[\u4E00-\u9FFF]$/.test(ch);
}

// 計算字串佔的字寬(中文 2,其餘 1)
function charLength(str) {
    var len = 0;
    for (var i = 0; i < str.length; i++) {
        len += /[\u4E00-\u9FFF]/.test(str[i]) ? 2 : 1;
    }
    return len;
}

若還想涵蓋中文標點與擴充漢字,可把範圍擴大為 /[\u4E00-\u9FFF\u3000-\u303F\uFF00-\uFFEF]/。

兩個務實提醒

  • 正則的 g 旗標與 test 有互動問題。帶 g 的 regex 在反覆呼叫 test() 時會維護 lastIndex,可能導致間歇性回傳 false。若只是判斷「有沒有」,不要加 g。
  • 用 for...of 而非索引取值更安全。部分罕見漢字(擴充 B 區以上)以 UTF-16 代理對(surrogate pair)編碼,佔兩個 charCodeAt 位置,用索引逐字取會把它拆成兩個亂碼。改用 for (var ch of str) 或 Array.from(str) 才能正確處理。
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