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 計算中英混合字串長度:正則與字碼點方案

資料庫欄位常以位元組長度限制(如 VARCHAR(200)),中文字元佔 2-4 位元組(UTF-8),JS 中 `String.length 以 UTF-16 代碼單元計數(中英皆為 1)。需自訂函式計算「視覺寬度」或「位元組長度」。

常見定義

  • 視覺寬度:中文/全形算 2,英文/半形算 1(傳統終端機、資料庫 CHAR 語意)。
  • UTF-8 位元組長度:實際儲存大小,ASCII 1 字節,中文通常 3 字節。
  • UTF-16 代碼單元:JS `length`,BMP 字元 1,補充平面字元(Emoji、罕用字)2。

方案一:視覺寬度(正則,經典)

function getVisualLength(str) {
  // 匹配非 ASCII 可列印字元(含中文、全形符號、日文等)
  const nonAscii = str.match(/[^\x00-\x7F]/g);
  return str.length + (nonAscii ? nonAscii.length : 0);
}
// "坦克是tank的音譯" → 12 + 4 = 16

方案二:Unicode 東亞寬度(精確,支援 Emoji)

使用 Intl.Segmenter (ES2022) 或 graheme-splitter 庫按書寫字素分割,再查 eastasianwidth 資料庫。簡易版:

function getEastAsianWidth(str) {
  let len = 0;
  for (const ch of str) {
    const code = ch.codePointAt(0);
    // 簡易判斷:CJK 統一表意文字區塊、全形符號區塊等
    if (
      (code >= 0x3000 && code <= 0x303F) || // CJK 符號
      (code >= 0x4E00 && code <= 0x9FFF) || // CJK 統一表意文字
      (code >= 0xFF00 && code <= 0xFFEF) || // 全形半形
      (code >= 0x20000 && code <= 0x2FFFF)  // CJK 擴展
    ) len += 2;
    else len += 1;
  }
  return len;
}

方案三:UTF-8 位元組長度(後端儲存驗證)

function getByteLength(str) {
  // TextEncoder 為現代標準 API
  return new TextEncoder().encode(str).length;
}
// 或手動計算(無 TextEncoder 環境)
function getByteLengthPolyfill(str) {
  let len = 0;
  for (let i = 0; i < str.length; i++) {
    const c = str.charCodeAt(i);
    if (c < 0x80) len += 1;
    else if (c < 0x800) len += 2;
    else if (c < 0xD800 || c >= 0xE000) len += 3; // BMP
    else { i++; len += 4; } // Surrogate pair
  }
  return len;
}

表單驗證整合範例

<input id="name" maxlength="20" data-max-visual="20">
<script>
  const input = document.getElementById('name');
  input.addEventListener('input', () => {
    const max = +input.dataset.maxVisual;
    const len = getVisualLength(input.value);
    if (len > max) {
      input.setCustomValidity(`超過視覺長度限制 (${len}/${max})`);
    } else {
      input.setCustomValidity('');
    }
  });
</script>

選型建議

  • 傳統表單、資料庫 `CHAR/VARCHAR` 長度校驗 → 視覺寬度(正則)。
  • 需精確支援 Emoji、罕用字、國際化 → Intl.Segmenter + EastAsianWidth 或成熟庫。
  • 後端 API 驗證位元組上限 → TextEncoder UTF-8 長度。

明確業務定義的「長度」語意,選對計算方式,才能前後端一致、避免截斷錯誤。

copyright © 萬盛學電腦網 all rights reserved