我的漫漫程序之旅

原帖地址

最近和JavaScript糾纏上了。

遇到這么一個(gè)問題，數(shù)據(jù)庫(kù)的字符集為UTF-8的，要在頁面上使用JavaScript驗(yàn)證輸入的文本用UTF-8存儲(chǔ)時(shí)占用字節(jié)長(zhǎng)度。JavaScript的String對(duì)象有l(wèi)ength屬性，但是這個(gè)計(jì)算的是字符數(shù)，不是字節(jié)數(shù)（問題總是翻來覆去的，記得當(dāng)年玩Delphi的時(shí)候，還得寫程序計(jì)算字符串的字符數(shù)，因?yàn)镈elphi中String的length是字節(jié)數(shù)...）。偷懶一點(diǎn)的辦法是將驗(yàn)證代碼中最大長(zhǎng)度設(shè)置為數(shù)據(jù)庫(kù)中對(duì)應(yīng)字段的長(zhǎng)度的1/3，但是這樣準(zhǔn)確來說有點(diǎn)不合適。

所以想辦法在JavaScript中判斷在UTF-8下存儲(chǔ)的String的字節(jié)數(shù)，在網(wǎng)上找到很多關(guān)于Unicode介紹的文檔，最重要的是字符編碼數(shù)值對(duì)應(yīng)的存儲(chǔ)長(zhǎng)度：

UCS-2編碼(16進(jìn)制) UTF-8 字節(jié)流(二進(jìn)制)
0000 - 007F 0xxxxxxx （1字節(jié)）
0080 - 07FF 110xxxxx 10xxxxxx （2字節(jié)）
0800 - FFFF 1110xxxx 10xxxxxx 10xxxxxx （3字節(jié)）

于是代碼如下：

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;
      } 

 

實(shí)際上,0x0080到0x07ff之間的字符很少會(huì)在實(shí)際用戶輸入中用到。

參考文檔：

程序員趣味讀物：談?wù)刄nicode編碼 http://www.lihuasoft.net/article/show.php?id=2778