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 計算字符串在 GBK/UTF-8 編碼下的實際字節長度

背景:為什麼要算「字節長度」?

數據庫字段定義如 VARCHAR(10) 指的是**字節數**而非字符數:

  • GBK:1 個漢字 = 2 字節,ASCII = 1 字節
  • UTF-8:1 個漢字 = 3 字節,ASCII = 1 字節

前端限制輸入長度、顯示剩餘字符數、防止入庫截斷報錯,需按目標編碼精確計算。

核心算法:遍歷字符判斷 Unicode 碼點範圍

/**
 * 計算字符串在指定編碼下的字節長度
 * @param {string} str - 待計算字符串
 * @param {'GBK'|'UTF-8'} charset - 目標編碼
 * @returns {number} 字節長度
 */
function getByteLength(str, charset) {
  if (typeof str !== 'string') str = String(str);
  var len = 0;
  var isUTF8 = charset === 'UTF-8';

  for (var i = 0; i < str.length; i++) {
    var code = str.charCodeAt(i);

    // ASCII 範圍:0x00-0x7F (0-127) 單字節
    if (code >= 0 && code <= 0x7F) {
      len += 1;
    }
    // BMP 非 ASCII 字符
    else if (code <= 0xFFFF) {
      // GBK:中日韓統一表意文字區塊大部分 2 字節
      // UTF-8:3 字節 (1110xxxx 10xxxxxx 10xxxxxx)
      len += isUTF8 ? 3 : 2;
    }
    // 輔助平面字符 (Emoji、罕用字) : UTF-8 4 字節,GBK 無法表示通常替換為 ? (1 或 2 字節)
    else {
      len += isUTF8 ? 4 : 2; // GBK 這裡按 2 估算或拋錯
    }
  }
  return len;
}

// 測試
console.log(getByteLength('abc', 'GBK'));       // 3
console.log(getByteLength('中文', 'GBK'));      // 4
console.log(getByteLength('abc', 'UTF-8'));     // 3
console.log(getByteLength('中文', 'UTF-8'));    // 6
console.log(getByteLength('😀', 'UTF-8'));      // 4 (Emoji)
console.log(getByteLength('😀', 'GBK'));        // 2 (通常存不進去)

更精確的 GBK 判斷:利用 TextEncoder (現代瀏覽器)

// 現代瀏覽器原生支持 TextEncoder,可精確獲取任意編碼字節長度
async function getExactByteLength(str, encoding = 'utf-8') {
  try {
    var encoder = new TextEncoder(encoding); // 注意:瀏覽器僅支持 'utf-8'
    // GBK 需用第三方庫如 encoding.js 或 iconv-lite (Node.js)
    return encoder.encode(str).length;
  } catch (e) {
    // 降級到估算算法
    return getByteLength(str, encoding.toUpperCase());
  }
}

// Node.js 環境完美支持 GBK
// const iconv = require('iconv-lite');
// iconv.encode(str, 'gbk').length

注意:瀏覽器端 TextEncoder **僅支持 UTF-8**,GBK 需引入編碼庫(如 encoding-japanese、iconv-lite 的瀏覽器構建版),體積較大,通常前端用估算算法,後端入庫前再精確校驗。

前端實時字符計數組件示例

// Vue 3 組件示例