DIV CSS 佈局教程網

計算新浪微博訊息長度的規則實作
編輯:JavaScript綜合知識     

微博的 140 字限制有個容易忽略的細節:中文算一個字,英文與符號算半個字;而貼上的網址不論多長,都只佔固定字數(短網址domain 佔 20 字,其他網址直接佔滿 140 字上限)。因此「還可以輸入 119 字」這種提示,背後其實是一套加權計算。

var getMessageLength = (function() {
    // 計算字串佔的字元數:非 ASCII 字元額外 +1
    var byteLength = function(b) {
        if (typeof b == "undefined") { return 0; }
        var a = b.match(/[^\x00-\x80]/g);
        return (b.length + (!a ? 0 : a.length));
    };

    return function(message) {
        message = message || '';
        message = message.replace(/\r\n/g, "\n");

        var c = 41,    // 短網址門檻:超過 41 字元視為長網址
            d = 140,   // 單則上限
            e = 20,    // 短網址固定佔 20 字
            f = message,
            // 抓出訊息中的所有 http 網址
            g = message.match(/http:\/\/[a-zA-Z0-9]+(\.[a-zA-Z0-9]+)+([-A-Z0-9a-z_$.+!*\/(),;:@&=?~#%]*)*/gi) || [],
            h = 0;

        for (var i = 0, j = g.length; i < j; i++) {
            var k = byteLength(g[i]);
            if (/^(http:\/\/t.cn)/.test(g[i])) {
                continue;   // 已經是短網址,不計入
            }
            // 新浪自家網域享 20 字優惠,其他則超出部分照算
            /^(http:\/\/)+(t.sina.com.cn|t.sina.cn)/.test(g[i]) ||
            /^(http:\/\/)+(weibo.com|weibo.cn)/.test(g[i])
                ? h += k <= c ? k : k <= d ? e : k - d + e
                : h += k <= d ? e : k - d + e;
            f = f.replace(g[i], "");   // 從原訊息中移除網址,避免重複計算
        }

        // 中文 2 單位 → 除以 2 才是使用者看到的「字數」
        var l = Math.ceil((h + byteLength(f)) / 2);
        return l;
    };
})();

getMessageLength('昨天電腦的硬盤壞了,我發郵件給美國國家安全局,他們竟然不肯把備份的內容發給我!');  // 39

規則拆解

byteLength 在做加權。它先取字串長度,再加上「非 ASCII 字元數量」,等於把每個中文算成 2 個單位、每個英文算 1 個單位。最後除以 2 並無條件進位,就得到使用者看到的中文字數。

網址分三種情況。已經是 t.cn 短網址的直接跳過(因為它本來就短);長度在 41 字元以內的照實際長度計;超過 41 字元但未滿 140 的,一律只算 20 字;超過 140 字的,則以 140 為界做分段計算。

從原訊息移除網址。把已計算了的網址從 f 中刪掉,避免後面的 byteLength(f) 又算一次。

這份規則在今日的適用性

這段程式碼反映的是當時的微博規則。要注意的是:各家平台的字數計算規則會隨時間調整(例如微博後來放寬為 2000 字、並對開發者提供 count 接口;Twitter 也從 140 字改為 280 字,且網址一律只算 23 字)。因此不要硬編碼這套規則,正確做法是呼叫平台的官方 API 取得剩餘字數,或至少把門檻常數(41、20、140)抽成設定,方便規則變動時只改一處。

程式碼層面的改進

正則中的 ASCII 範圍寫錯了。原文是 /[^x00-x80]/g,缺少反斜線,比對的是字母 x 與數字,而非 \x00 到 \x80 的位元組範圍。上面已修正為 /[^\x00-\x80]/g。

用 Array.from 取代字串長度。要數「字元」而非「UTF-16 碼元」時,[...str].length 或 Array.from(str).length 才能正確處理 emoji 與 BMP 外的字元;直接用 str.length 會把一個 emoji 算成兩個。

網址比對可用更簡潔的寫法。ES2015 之後可用 str.match(/https?:\/\/\S+/g) 抓網址,並以 URL 物件解析,比長串正則易讀且不漏 case。

用 IIFE 建立私有作用域是對的。把 byteLength 藏在閉包裡不外露,避免污染全域,這個設計在當時是標準做法;今日也可改用 ES Module 的 export 達到同樣效果。

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