DIV CSS 佈局教程網

用 JavaScript 計算 UTF-8 下字串佔用的位元組數
編輯:關於JavaScript     

資料庫字符集為 UTF-8 時,我們常需要在頁面上用 JavaScript 驗證輸入文字以 UTF-8 儲存時佔用的位元組長度。但 JavaScript 的 String.length 算的是「字元數」而非「位元組數」,兩者並不相同。

問題背景

偷懶的做法是把最大長度設為資料庫欄位的三分之一,但這樣並不精準。於是我們需要真正計算 UTF-8 的位元組數。網路上關於 Unicode 的文件提供了關鍵資訊——字符編碼值對應的儲存長度:

UCS-2 編碼(16進制)   UTF-8 位元組流(二進制)
0000 - 007F          0xxxxxxx              (1 位元組)
0080 - 07FF          110xxxxx 10xxxxxx      (2 位元組)
0800 - FFFF          1110xxxx 10xxxxxx 10xxxxxx (3 位元組)

程式碼

function mbStringLength(s) {
  var totalLength = 0;
  var i;
  var charCode;
  for (i = 0; i < s.length; i++) {
    charCode = s.charCodeAt(i);
    if (charCode < 0x007f) {
      totalLength = totalLength + 1;
    } else if ((0x0080 <= charCode) && (charCode <= 0x07ff)) {
      totalLength += 2;
    } else if ((0x0800 <= charCode) && (charCode <= 0xffff)) {
      totalLength += 3;
    }
  }
  return totalLength;
}

原理說明

這段程式逐一走訪字串的每個字元,用 charCodeAt 取出它的編碼值,再依上面的對照規則判斷它會佔幾個位元組並累加。這樣就能精準算出整串文字以 UTF-8 儲存時的實際位元組數,比粗略地除以三準確得多。作者也指出,實務上 0x0080 到 0x07ff 之間的雙位元組字元在使用者輸入中相對少見,絕大多數中文都落在 3 位元組的區間。掌握這個計算方式,就能做出真正符合資料庫容量限制的輸入驗證。

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