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

計算新浪微博訊息長度:字元統計與短網址處理演算法

需求背景

微博輸入框常顯示「還可以輸入 119 字」的字數統計。其計算規則並非單純字元數,而是:

  • 中文字(含標點)算 1 字。
  • 英文、數字、半形符號每 2 個算 1 字。
  • URL 連結經過特殊處理:短網址(t.cn)不計長度;新浪自家短網址(t.sina.com.cn、weibo.com)按特定規則計算;其他長網址按長度折算。
  • 最終長度 = (URL 折算長度 + 純文字字節長度) / 2 向上取整。

核心演算法實作(ES6 模組化)

/**
 * 計算微博訊息顯示長度(字數)
 * @param {string} message - 原始輸入文字
 * @returns {number} 顯示字數
 */
const getMessageLength = (() => {
    // 計算字節長度:中文算 2 字節,ASCII 算 1 字節
    const byteLength = (str) => {
        if (typeof str !== 'string') return 0;
        const nonAscii = str.match(/[^\x00-\x80]/g);
        return str.length + (nonAscii ? nonAscii.length : 0);
    };

    return (message = '') => {
        message = message.replace(/\r\n/g, '\n'); // 統一換行符

        const SHORT_URL_MAX = 41;   // 短網址顯示長度上限
        const LONG_URL_MAX = 140;   // 長網址顯示長度上限
        const URL_DISPLAY_LEN = 20; // 超過上限時顯示長度

        // 提取所有 HTTP/HTTPS URL
        const urls = message.match(/https?:\/\/[a-zA-Z0-9]+(?:\.[a-zA-Z0-9]+)+(?:[-A-Z0-9a-z_$.+!*()/,:;@&=?~#%]*)*/gi) || [];

        let urlCost = 0;      // URL 佔用的字節成本
        let remaining = message; // 扣除 URL 後的純文字

        for (const url of urls) {
            const len = byteLength(url);

            // t.cn 短網址完全不計長度
            if (/^https?:\/\/t\.cn\//i.test(url)) continue;

            // 新浪自家域名
            const isSina = /^https?:\/\/(t\.sina\.com\.cn|t\.sina\.cn|weibo\.com|weibo\.cn)/i.test(url);

            if (isSina) {
                // 新浪域名:<=41 字節按實際,41~140 按 20,>140 按 (len-140+20)
                if (len <= SHORT_URL_MAX) urlCost += len;
                else if (len <= LONG_URL_MAX) urlCost += URL_DISPLAY_LEN;
                else urlCost += len - LONG_URL_MAX + URL_DISPLAY_LEN;
            } else {
                // 其他域名:<=140 按 20,>140 按 (len-140+20)
                if (len <= LONG_URL_MAX) urlCost += URL_DISPLAY_LEN;
                else urlCost += len - LONG_URL_MAX + URL_DISPLAY_LEN;
            }

            // 從純文字中移除該 URL,避免重複計算
            remaining = remaining.replace(url, '');
        }

        // 總字節 = URL成本 + 純文字字節長度
        const totalBytes = urlCost + byteLength(remaining);
        // 顯示字數 = 總字節 / 2 向上取整
        return Math.ceil(totalBytes / 2);
    };
})();

// 測試
console.log(getMessageLength('昨天電腦的硬盤壞了,我發郵件給美國國家安全局,他們竟然不肯把備份的內容發給我!')); // 39
console.log(getMessageLength('測試 https://t.cn/abc123 短網址')); // 6 (短網址不計)
console.log(getMessageLength('測試 https://weibo.com/longurl...(超過140字節)')); // 依規則計算

關鍵邏輯圖解

輸入文字
    │
    ├─▶ 正則提取所有 URL
    │       │
    │       ├─ t.cn           → 忽略(成本 0)
    │       ├─ weibo.com/.cn  → 分級計費(≤41/≤140/>140)
    │       └─ 其他域名       → 統一計費(≤140 算 20,>140 算 len-120)
    │
    ├─▶ 移除所有 URL → 純文字
    │
    ├─▶ byteLength(純文字)  → 中文×2 + ASCII×1
    │
    └─▶ 總字節 = URL成本 + 純文字字節
            │
            └─▶ 顯示字數 = ceil(總字節 / 2)

使用場景

  • 前端即時字數顯示(input 事件觸發計算)。
  • 後端驗證攔截超長內容。
  • 定時發文系統預檢內容長度。

效能考量

  • 正則提取 URL 雖方便,極長文字(>10萬字)可能效能下降;可改用有限狀態機或流式解析。
  • 頻繁觸發(如每 keystroke)建議加 debounce (150~300ms)。
  • 該函式為純函式,無副作用,易於單元測試與 SSR 環境復用。

掌握這套算法,即可精確複製微博的字數統計體驗,避免「明明沒超字數卻無法發布」的使用者挫折感。

copyright © 萬盛學電腦網 all rights reserved