用 length 取得字串長度大家都知道,但如果想知道這段文字佔了多少個位元組呢?
關鍵在於中英文化的差異:英文字母的 length 與位元組數都是 1,而中文字元的 length 是 1、位元組數卻是 2。所以問題可以簡化成——先把中文字元一個個抓出來,每個額外多算 1 個位元組。
// 原理:把中文字元替換成 2 個英文字母,替換後的字串長度即為位元組數
alert('a'.replace(/[^\u0000-\u00ff]/g, "aa").length);
這裡的 \u0000-\u00ff 是 ASCII/單一位元組區間,落在區間外的就視為需要雙倍計算的字元。範例原本寫成替換成 3 個字母,所以算出來會是 3;若要正確的位元組數,替換成 2 個字母即可。
var str = '我我我';
var bytesCount = 0;
for (var i = 0; i < str.length; i++) {
var c = str.charAt(i);
if (/^[\u0000-\u00ff]$/.test(c)) { // 落在單位元組範圍
bytesCount += 1;
} else {
bytesCount += 2;
}
}
alert(bytesCount); // 結果為 6
邏輯很直白:用正則判斷該字元是否屬於單位元組,是就加 1,否則加 2。這種寫法可讀性更高,也方便日後擴充成 UTF-8 的 3~4 位元組計算。
[\u4e00-\u9fa5][^\x0000-\x00ff]把「一個雙位元組字元長度計 2、ASCII 字元計 1」套進去,就是最簡易的字串長度計算器。
charAt(num):取得字串第 num 個位置的字元charCodeAt(num):取得該位置字元的 Unicode 編碼fromCharCode(num):由 Unicode 編碼還原出字元補充一點實務經驗:上面兩種算法都以「一個中文字佔 2 個位元組」為前提,這其實是 Big5/GBK 時代的編碼假設。若你的資料實際以 UTF-8 傳輸,中文通常是 3 個位元組,此時更可靠的做法是用 unescape(encodeURIComponent(str)).length,或直接用 Blob/TextEncoder 取得 byteLength。