DIV CSS 佈局教程網

用 JavaScript 計算 GBK 與 UTF-8 字串的實際長度
編輯:JavaScript基礎知識     

為什麼需要「實際長度」

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 長度計算

// 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 長度計算

// 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;
}

幾點補充

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:

  • 上面的實作把「非 ASCII」一律當成中文處理,若字串含日文假名、韓文或 emoji,結果會不準確。更嚴謹的做法是改用 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。
  • JavaScript 的 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。
  • 資料庫欄位長度通常按位元組計算,因此把這個函數用在表單輸入驗證上,能提前攔下會被資料庫截斷或報錯的內容。
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