DIV CSS 佈局教程網

JavaScript 計算字串實際長度:中英文字元與位元組換算的四種做法
編輯:關於JavaScript     

JavaScript 的 str.length 有個讓人反覆踩坑的特性:它回傳的是 UTF-16 碼單元數,一個中文算 1、一個英文也算 1。但後端資料庫的欄位限制往往是以位元組計的(GBK 中文 2 bytes、UTF-8 中文 3 bytes),於是「前端說沒超,後端卻寫入失敗」的狀況層出不窮。

本文整理四種計算「實際長度」的寫法,並說明各自的適用情境。

方法一:以 255 為界判斷(最精簡)

function byteLength(str) {
  var byteLen = 0, len = str.length;
  if( !str ) return 0;
  for( var i = 0; i < len; i++ )
    byteLen += str.charCodeAt(i) > 255 ? 2 : 1;
  return byteLen;
}

參數 str 為要計算的位元組長度字串,非 ASCII 字元算 2 bytes(即 GBK 的近似算法)。用 charCodeAt(i) > 255 判斷是否為單一位元組字元集範圍外,是的就加 2。

這個方法的優點是短、快、好懂,缺點是「2」這個數字是硬編碼的近似值——它對中文正確,但對日文假名、韓文、emoji 並不精準。

方法二:中文 2、英文 1(最直觀)

function GetLength(str) {
  ///<summary>獲得字符串實際長度,中文2,英文1</summary>
  ///<param name="str">要獲得長度的字符串</param>
  var realLength = 0, len = str.length, charCode = -1;
  for (var i = 0; i < len; i++) {
    charCode = str.charCodeAt(i);
    if (charCode >= 0 && charCode <= 128) realLength += 1;
    else realLength += 2;
  }
  return realLength;
}

alert(GetLength('測試測試ceshiceshi'));

邏輯與方法一相同,只是把判斷條件寫成 >= 0 && <= 128 並用 if/else 明確分支,可讀性更好。註解風格(///<summary>)是 Visual Studio 的 XML 文件註解寫法,在編輯器裡能有提示效果。

注意邊界值:這裡用 128,方法一用 255。嚴格來說 ASCII 是 0–127,所以 <= 128 會把 128 這個碼位誤判為單位元組,實務上影響極小但值得知道。

方法三:用正則比對中日韓字元

function getByteLen(val) {
  var len = 0;
  for (var i = 0; i < val.length; i++) {
    if (val[i].match(/[\u4e00-\u9fa5 ]/ig) != null)
      len += 2;
    else
      len += 1;
  }
  return len;
}

這裡用 Unicode 區段 \u4e00-\u9fa5(CJK 統一漢字基本區)明確指定「哪些算中文」,比單純比對碼位範圍語意更清楚。val[i] 的字元取值寫法在舊瀏覽器不支援,需改用 charAt(i)。原文註記此版本「暫時沒有通過測試」,使用時請自行驗證。

方法四:GBK 與 UTF-8 兩套並存

實務上最常見的情況是:同一個後端可能用不同編碼,所以乾脆寫成兩份。

GBK 版(中文加 2):

// GBK字符集實際長度計算
function getStrLeng(str){
  var realLength = 0;
  var len = str.length;
  var charCode = -1;
  for(var i = 0; i < len; i++){
    charCode = str.charCodeAt(i);
    if (charCode >= 0 && charCode <= 128) {
      realLength += 1;
    } else {
      // 如果是中文則長度加2
      realLength += 2;
    }
  }
  return realLength;
}

UTF-8 版(中文加 3):

// UTF8字符集實際長度計算
function getStrLeng(str){
  var realLength = 0;
  var len = str.length;
  var charCode = -1;
  for(var i = 0; i < len; i++){
    charCode = str.charCodeAt(i);
    if (charCode >= 0 && charCode <= 128) {
      realLength += 1;
    } else {
      // 如果是中文則長度加3
      realLength += 3;
    }
  }
  return realLength;
}

兩份程式碼唯一差異就是那個 2 與 3——這也說明了為什麼「實際長度」必須先問清楚目標編碼是什麼,否則算出來的字數沒有意義。

更精準的現代做法

上面四種方法的共同假設是「非 ASCII 就是 2 或 3 bytes」,這是近似而非精確。UTF-8 是變長編碼:ASCII 1 byte、拉丁與希臘字母 2 bytes、中文 3 bytes、emoji 與部分罕用字 4 bytes。要算得準,直接用標準 API:

// 精確的 UTF-8 位元組數
function utf8Length(str) {
  return new TextEncoder().encode(str).length;
}
// 或
new Blob([str]).size;

// 精確的 UTF-16 碼單元數(等同 length,但語意明確)
str.length;

// 真正的「字元數」(會把 emoji、組合字元正確算成一個)
[...str].length;
// 更嚴謹的做法用 Intl.Segmenter 處理grapheme cluster

TextEncoder 在現代瀏覽器與 Node.js 中都是標準 API,一行取代整段迴圈,而且完全正確。唯一要注意的是它只支援 UTF-8;若真的需要 GBK 位元組數,那通常意味著資料要寫入舊系統,此時比較可靠的策略是交給後端驗證,而不是在前端用近似算法猜。

總結:前端做「使用者看得到的字數提示」用 length 或 [...str].length;要檢查後端欄位容量用 utf8Length();上面四種迴圈寫法可作為理解編碼差異的教材,但新專案不必再手寫。

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