表單驗證裡很常出現一個需求:限制輸入內容必須包含足夠的中文字數。這件事用一個正則表達式就能解決。
關鍵在於 /[\u4E00-\u9FA5]/g 這個正則,它對應 CJK 基本漢字區段。用 match() 取出所有符合的字元,再取 length 就是中文字數。
$("form").submit(function () {
var content = editor.getContentTxt();
var re = /[\u4E00-\u9FA5]/g; // 中文字元
if (content) {
if (re.test(content)) {
if (content.match(re).length <= 10) {
$.dialog.tips("帖子正文不能小於10個漢字!");
return false;
} else {
// 通過驗證,暫時鎖定送出按鈕避免重複提交
var $submit = $("input[type='submit']").attr("disabled", true);
setTimeout(function () {
$submit.attr("disabled", false);
}, 5000);
return true;
}
} else {
$.dialog.tips("帖子正文不能小於10個漢字!");
return false;
}
} else {
$.dialog.tips("帖子正文不能小於10個漢字!");
return false;
}
});
另一個相關的實務問題是:資料庫欄位常以位元組計算長度,中文佔 2、英數佔 1,如果前端不先擋,寫入就會出錯。有兩種常見做法。
做法一:用正則判斷是否為非 ASCII 字元。
function getByteLen(val) {
var len = 0;
for (var i = 0; i < val.length; i++) {
var a = val.charAt(i);
if (a.match(/[^\x00-\xff]/ig) != null) {
len += 2; // 非 ASCII,算兩個位元組
} else {
len += 1;
}
}
return len;
}
做法二:用 Unicode 編碼範圍判斷。
function getByteLen(val) {
var len = 0;
for (var i = 0; i < val.length; i++) {
var length = val.charCodeAt(i);
if (length >= 0 && length <= 128) {
len += 1;
} else {
len += 2;
}
}
return len;
}
兩者相比,做法二少了正則的額外開銷,效能通常更好,也更直觀。不過要留意:這套「中文算 2 位元組」的假設建立在 GBK/Big5 這類編碼上,若資料庫用的是 UTF-8,中文實際佔 3 個位元組,計算方式需要跟著調整。此外,emoji 與部分罕用字在 JavaScript 中會佔兩個 UTF-16 碼元(length 為 2),若要精確統計「字數」而非「碼元數」,建議搭配 Intl.Segmenter 或 [...str].length 來處理。