萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 腳本程式專題 >> JavaScript

JavaScript 計算字串位元組長度完整指南:中英文混合編碼處理

JavaScript 字串 .length 回傳 UTF-16 代碼單元數,中文佔 1 個字元但通常視為 2 位元組。本文提供三種計算位元組長度的方法,涵蓋正則替換、逐字元判斷與現代編碼 API。

方法一:正則替換法(經典)

function byteLengthRegex(str) {
  return str.replace(/[^\x00-\xff]/g, "aa").length;
}
// 原理:將非 ASCII 字元 (雙位元組) 替換為兩個 ASCII 字元
console.log(byteLengthRegex("中文")); // 4
console.log(byteLengthRegex("abc"));  // 3

方法二:逐字元 Unicode 範圍判斷

function byteLengthLoop(str) {
  var bytes = 0;
  for (var i = 0; i < str.length; i++) {
    var c = str.charAt(i);
    if (/^[\x00-\xff]$/.test(c)) { // ASCII 範圍
      bytes += 1;
    } else {
      bytes += 2; // 視為雙位元組 (Big5/GBK 常見假設)
    }
  }
  return bytes;
}

常用正則對照

用途正則說明
匹配中文字元/[\u4e00-\u9fa5]/基本漢字區 (CJK Unified Ideographs)
匹配雙位元組字元/[^\x00-\xff]/含中日韓、全形符號、Emoji 等
匹配 ASCII/^[\x00-\xff]$/0-255 字碼

現代標準:TextEncoder (Encoding API)

// 瀏覽器原生,精確計算 UTF-8 位元組長度
function byteLengthUTF8(str) {
  return new TextEncoder().encode(str).length;
}

console.log(byteLengthUTF8("中文")); // 6 (UTF-8 中文佔 3 位元組)
console.log(byteLengthUTF8("abc"));  // 3
console.log(byteLengthUTF8("😀"));   // 4 (Emoji 4 位元組)
  • UTF-8 才是網路傳輸標準,雙位元組假設僅適用於舊系統 (Big5/GBK)
  • TextEncoder 回傳 Uint8Array,.length 即精確位元組數
  • Node.js 同樣支援 Buffer.byteLength(str, 'utf8')

字元編碼相關實用方法

// 字元 → Unicode 碼位
'中'.charCodeAt(0);     // 20013 (0x4E2D)
'中'.codePointAt(0);    // 20013 (支援補充平面)

// Unicode 碼位 → 字元
String.fromCharCode(20013);     // "中" (BMP)
String.fromCodePoint(0x1F600);  // "😀" (補充平面)

選擇建議

  • 舊系統相容 (Big5/GBK):使用正則替換法或迴圈法 (bytes += 2)
  • 現代 Web 應用:優先使用 TextEncoder 計算 UTF-8 位元組長度
  • 表單驗證限制位元組:後端同樣用 UTF-8 計算,前後端一致
copyright © 萬盛學電腦網 all rights reserved