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。
<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]+/;
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。
// 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]/。
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。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。