JavaScript 中的字符串长度（以字节为单位）

javascript unicode

2022-08-30 02:13:51

在我的JavaScript代码中，我需要以这种格式编写一条消息到服务器：

<size in bytes>CRLF
<data>CRLF

例：

3
foo

数据可能包含 Unicode 字符。我需要将它们作为 UTF-8 发送。

我正在寻找在JavaScript中以字节为单位计算字符串长度的最跨浏览器方法。

我已经尝试过这个来组成我的有效负载：

return unescape(encodeURIComponent(str)).length + "\n" + str + "\n"

但是它并没有为我提供旧版浏览器的准确结果（或者，也许是UTF-16中这些浏览器中的字符串？）。

有什么线索吗？

更新：

示例：UTF-8 中字符串的长度（以字节为单位）为 15 个字节，但某些浏览器报告的字节数为 23 个字节。ЭЭХ! Naïve?

答案 1

几年过去了，现在你可以本地做到这一点

(new TextEncoder().encode('foo')).length

请注意，IE不支持它（您可以使用polyfill）。

MDN 文档

标准规格

答案 2

~~在 JavaScript 中，没有办法在 JavaScript 中本地做到这一点。~~（参见Riccardo Galli的答案，了解现代方法。

用于历史参考或文本编码器 API 仍然不可用的地方。

如果您知道字符编码，则可以自己计算。

encodeURIComponent假设 UTF-8 作为字符编码，所以如果你需要该编码，你可以这样做，

function lengthInUtf8Bytes(str) {
  // Matches only the 10.. bytes that are non-initial characters in a multi-byte sequence.
  var m = encodeURIComponent(str).match(/%[89ABab]/g);
  return str.length + (m ? m.length : 0);
}

这应该有效，因为 UTF-8 编码多字节序列的方式。对于单个字节序列，第一个编码字节始终以高位零开头，或者以第一个十六进制数字为 C、D、E 或 F 的字节开头。第二个和后续字节是前两个位为 10 的字节。这些是您要以 UTF-8 计算的额外字节。

维基百科中的表格使其更清晰

Bits        Last code point Byte 1          Byte 2          Byte 3
  7         U+007F          0xxxxxxx
 11         U+07FF          110xxxxx        10xxxxxx
 16         U+FFFF          1110xxxx        10xxxxxx        10xxxxxx
...

相反，如果您需要了解页面编码，则可以使用以下技巧：

function lengthInPageEncoding(s) {
  var a = document.createElement('A');
  a.href = '#' + s;
  var sEncoded = a.href;
  sEncoded = sEncoded.substring(sEncoded.indexOf('#') + 1);
  var m = sEncoded.match(/%[0-9a-f]{2}/g);
  return sEncoded.length - (m ? m.length * 2 : 0);
}