Javascript检测字符串字节长度（for VS 正则）

先看看一下两段代码吧，它们分别用for循环和正则表达式来检测字符串的字节长度：

 

for循环检测字符串的字节长度：

var lenFor = function(str){
    var byteLen=0,len=str.length;
    if(str){
        for(var i=0; i<len; i++){
            if(str.charCodeAt(i)>255){
                byteLen += 2;
            }
            else{
                byteLen++;
            }
        }
        return byteLen;
    }
    else{
        return 0;
    }
}

 

正则表达式检测字符串的字节长度：

var lenReg = function(str){
    return str.replace(/[^/x00-/xFF]/g,'**').length;
};

 

我用以下代码段对以上两个函数进行测试，主要是测试其运行时间：

var s = '......';//一个很长的字符串，这里不罗列

function a(){
    var timeStart,timeEnd;
    timeStart = new Date();
    var s1 = lenReg(s);
    timeEnd = new Date();
    var t1 = (timeEnd - timeStart)*1000;
    timeStart = new Date();
    var s2 = lenFor(s);
    timeEnd = new Date();
    var t2 = (timeEnd - timeStart)*1000;
    alert('lenReg: ' + s1 + ' time: ' + t1 + '/nlenFor: ' + s2 + ' time: ' + t2);
}
window.onload = function(){
    a();
};

以上代码在浏览器载入完毕的时候弹出一个警示窗口，窗口上有两行信息：第一行是用正则表达式检测的字符串字节长度和所用时间（×1000）；第二行是用for循环检测字符串字节长度和所用时间（×1000）。

 

我得到两种答案：

第一种：

lenReg: 25824 time: 20000

lenFor: 25824 time: 10000

第二种：

lenReg: 48795 time: 15000

lenFor: 48795 time: 25000

需要说明的是，两次测试所用的字符串为同一字符串。

 

为什么会相差那么大呢？我到底偷偷改了什么？？以上我提过，“中文字符占用2个字节（与编码有关）”（本文第三段），中文字符占用多少个字节是与编码有关的，一般情况下，GB-2312和UTF-8编码中，中文字符占用2个字节，但是在iso-8859-1编码中，中文字符占用5个字节。

 

是的，问题就在于文档的编码。以上第一种情况的编码为：charset=UTF-8，第二种情况的编码为charset=iso-8859-1。

 

在中文网页中，我们一般都不会用charset=iso-8859-1进行编码（中文乱码），而是用charset=UTF-8或GB-2312进行编码。问题就在这里，比较一下以上的第一种情况吧：

lenReg: 25824 time: 20000

lenFor: 25824 time: 10000

如上所示，用正则表达式检测所用的时间竟然是for循环的两倍！！！！（其实，测试多次之后也不全部都是两倍，但大部分测试都是两倍）

 

为什么呢？

str.replace(/[^/x00-/xFF]/g,'**').length;

看看以上语句（lenReg函数中的语句）。就我个人理解，问题就出现在这里——replace的时候要遍历一次字符串，在调用length的时候又要遍历一次字符串，所以整个运算过程需要遍历两次字符串。而for循环只需要遍历一次——这应该就是问题所在了，但是我不是非常确定。

 

我不太确定以上的理解是否确切，但是从表面上分析应该是这样的。

 

那么，用正则表达式检测真的使算法更加复杂吗？还是以上没有充分利用正则表达式的优势？现在我还没有意义的想法，需要进一步去推敲。先保持着怀疑吧^_^……