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 精確計算字符串長度:中文雙字節、英文單字節

需求

表單驗證、截斷顯示、存儲限制常需按「中文 2 字節、英文/數字 1 字節」計算長度。

核心實現

/**
 * 計算字符串字節長度(GBK/GB2312 編碼規則:中文 2 字節,ASCII 1 字節)
 * @param {string} str
 * @returns {number}
 */
function getByteLength(str) {
    if (typeof str !== 'string') return 0;
    var len = 0;
    for (var i = 0; i < str.length; i++) {
        var code = str.charCodeAt(i);
        // ASCII 範圍:0x00-0x7F (0-127)
        if (code >= 0 && code <= 0x7F) {
            len += 1;
        } else {
            // 非 ASCII 視為雙字節(含中文、日文、韓文、全形符號等)
            len += 2;
        }
    }
    return len;
}

// 測試
console.log(getByteLength('中國123abc')); // 2*2 + 3*1 + 3*1 = 10

擴展:UTF-8 字節長度(現代傳輸/存儲常用)


function getUtf8ByteLength(str) {
    var len = 0;
    for (var i = 0; i < str.length; i++) {
        var code = str.charCodeAt(i);
        if (code <= 0x7F) len += 1;           // 1 字節
        else if (code <= 0x7FF) len += 2;     // 2 字節
        else if (code <= 0xFFFF) len += 3;    // 3 字節 (BMP)
        else len += 4;                        // 4 字節 (Supplementary Planes, Emoji 等)
    }
    return len;
}
// 或現代瀏覽器一行搞定
function getUtf8ByteLengthModern(str) {
    return new TextEncoder().encode(str).length;
}

常見正則替代方案(性能略差但簡潔)

// GBK 雙字節模式:非 ASCII 字符
function getByteLengthRegex(str) {
    return str.replace(/[^\x00-\xFF]/g, 'aa').length; // 非 ASCII 替換為兩字符
}

應用場景:表單限長提示

$('#input').on('input', function() {
    var maxByte = 100; // 如資料庫 VARCHAR(100) GBK
    var current = getByteLength(this.value);
    var remain = maxByte - current;
    $('#counter').text(remain >= 0 ? '剩餘 ' + remain + ' 字節' : '超出 ' + (-remain) + ' 字節');
    if (remain < 0) $(this).addClass('error'); else $(this).removeClass('error');
});

截斷字符串至指定字節長度


function truncateByByte(str, maxByte) {
    var len = 0, result = '';
    for (var i = 0; i < str.length; i++) {
        var code = str.charCodeAt(i);
        var charLen = (code >= 0 && code <= 0x7F) ? 1 : 2;
        if (len + charLen > maxByte) break;
        len += charLen;
        result += str[i];
    }
    return result;
}

注意事項

  • 字符 vs 字節:str.length 返回 UTF-16 代碼單元數(BMP 字符 1,Emoji 2),非字節數。
  • 編碼一致性:前端計算規則必須與後端資料庫/接口編碼一致(GBK vs UTF-8)。
  • 代理對:Emoji、罕見漢字為 UTF-16 代理對(2 個代碼單元),charCodeAt 只取第一個,需用 codePointAt + 迭代器正確處理。

現代最佳實踐

// 統一用 UTF-8,前後端一致
// 前端:TextEncoder().encode(str).length
// 後端:byte[] bytes = str.getBytes(StandardCharsets.UTF_8);
// 數據庫:CHARACTER SET utf8mb4

拒絕「中文兩字節」歷史包袱,全鏈路 UTF-8(utf8mb4)才是正道。

copyright © 萬盛學電腦網 all rights reserved