在 JavaScript 中,字串的 length 不分中英文字元,每個字元都算一個長度,這與 PHP 的 strlen() 不同。PHP 的 strlen() 會依字元集計算位元組數:GBK 下的中文每字累加 2,UTF-8 下的中文每字累加 3。
之所以要算實際長度,主要是為了對齊資料庫欄位的長度限制。舉例來說,GBK 資料庫中某欄位定義為 varchar(10),那就相當於 5 個漢字(一個漢字等於兩個字母長度);如果是 UTF-8 資料庫,則每個漢字的長度算 3。
原理清楚了之後,計算方式就很單純:GBK 字元集遇到中文加 2,UTF-8 字元集遇到中文加 3。
// GBK 字元集實際長度計算
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 {
// 中文則長度加 2
realLength += 2;
}
}
return realLength;
}
// UTF-8 字元集實際長度計算
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 {
// 中文則長度加 3
realLength += 3;
}
}
return realLength;
}
這兩個函數的判定核心都是「charCode 是否在 0 到 128 之間」——ASCII 範圍算 1,其餘算多字節。實務上還有幾個地方值得留意:
TextEncoder 編碼後取位元組數:new TextEncoder().encode(str).length,它會依 UTF-8 標準正確計算。length 以 UTF-16 碼元為單位,emoji 等 BMP 之外的字元會佔 2 個位置,字串截斷時容易產生半個代理對(surrogate pair),導致亂碼。要做前他就近截斷時,記得檢查邊界是否落在代理對中間。