用JavaScript计算字符串占用字节数

用JavaScript计算字符串占用字节数

最近和JavaScript纠缠上了。

遇到这么一个问题，数据库的字符集为UTF-8的，要在页面上使用JavaScript验证输入的文本用UTF-8存储时占用字节长度。JavaScript的String对象有length属性，但是这个计算的是字符数，不是字节数（问题总是翻来覆去的，记得当年玩Delphi的时候，还得写程序计算字符串的字符数，因为Delphi中String的length是字节数...）。偷懒一点的办法是将验证代码中最大长度设置为数据库中对应字段的长度的1/3，但是这样准确来说有点不合适。

所以想办法在JavaScript中判断在UTF-8下存储的String的字节数，在网上找到很多关于Unicode介绍的文档，最重要的是字符编码数值对应的存储长度：

UCS-2编码(16进制) UTF-8 字节流(二进制) 
0000 - 007F 0xxxxxxx （1字节）
0080 - 07FF 110xxxxx 10xxxxxx （2字节）
0800 - FFFF 1110xxxx 10xxxxxx 10xxxxxx （3字节）

 

于是代码如下：

function mbStringLength(s) {
        var totalLength = 0;
        var i;
        var charCode;
        for (i = 0; i < s.length; i++) {
          charCode = s.charCodeAt(i);
          if (charCode < 0x007f) {
            totalLength = totalLength + 1;
          } else if ((0x0080 <= charCode) && (charCode <= 0x07ff)) {
            totalLength += 2;
          } else if ((0x0800 <= charCode) && (charCode <= 0xffff)) {
            totalLength += 3;
          }
        }
        //alert(totalLength);
        return totalLength;
      }

 

实际上,0x0080到0x07ff之间的字符很少会在实际用户输入中用到。

 

参考文档：

程序员趣味读物：谈谈Unicode编码 http://www.lihuasoft.net/article/show.php?id=2778