代码改变世界

【javascript基础】JS计算字符串所占字节数

2013-09-09 14:24  sniper007  阅读(6099)  评论(2编辑  收藏  举报

废话不说,直接正题吧。

最近项目有个需求要用js计算一串字符串写入到localStorage里所占的内存,众所周知的,js是使用Unicode编码的。而Unicode的实现有N种,其中用的最多的就是UTF-8和UTF-16。因此本文只对这两种编码进行讨论。

下面这个定义摘自维基百科(http://zh.wikipedia.org/zh-cn/UTF-8),做了部分删减。

UTF-8(8-bit Unicode Transformation Format)是一种针对Unicode的可变长度字符编码,可以表示Unicode标准中的任何字符,且其编码中的第一个字节仍与ASCII相容,使用一至四个字节为每个字符编码。

其编码规则如下:

  1. 字符代码在000000 – 00007F之间的,用一个字节编码;
  2. 000080 – 0007FF之间的字符用两个字节;
  3. 000800 – 00D7FF 和 00E000 – 00FFFF之间的用三个字节,注: Unicode在范围 D800-DFFF 中不存在任何字符;
  4. 010000 – 10FFFF之间的用4个字节。

UTF-16 则是定长的字符编码,大部分字符使用两个字节编码,字符代码超出 65535 的使用四个字节,如下:

  1. 000000 – 00FFFF 两个字节;
  2. 010000 – 10FFFF 四个字节。

一开始认为既然页面用的是UTF-8编码,那么存入localStorage的字符串,应该也是用UTF-8编码的。但后来测试发现,明明计算出的 size是不到5MB,存入localStorage却抛异常了。想了想,页面的编码是可以改的。如果localStorage按照页面的编码存字符串, 不就乱套了?浏览器应该都是使用UTF-16编码的。用UTF-16编码计算出5MB的字符串,果然顺利写进去了。超过则失败了。

好了,附上代码实现。计算规则就是上面写的,为了计算速度,把两个for循环分开写了。

 1 /**
 2  * 计算字符串所占的内存字节数,默认使用UTF-8的编码方式计算,也可制定为UTF-16
 3  * UTF-8 是一种可变长度的 Unicode 编码格式,使用一至四个字节为每个字符编码
 4  * 
 5  * 000000 - 00007F(128个代码)      0zzzzzzz(00-7F)                             一个字节
 6  * 000080 - 0007FF(1920个代码)     110yyyyy(C0-DF) 10zzzzzz(80-BF)             两个字节
 7  * 000800 - 00D7FF 
 8    00E000 - 00FFFF(61440个代码)    1110xxxx(E0-EF) 10yyyyyy 10zzzzzz           三个字节
 9  * 010000 - 10FFFF(1048576个代码)  11110www(F0-F7) 10xxxxxx 10yyyyyy 10zzzzzz  四个字节
10  * 
11  * 注: Unicode在范围 D800-DFFF 中不存在任何字符
12  * {@link http://zh.wikipedia.org/wiki/UTF-8}
13  * 
14  * UTF-16 大部分使用两个字节编码,编码超出 65535 的使用四个字节
15  * 000000 - 00FFFF  两个字节
16  * 010000 - 10FFFF  四个字节
17  * 
18  * {@link http://zh.wikipedia.org/wiki/UTF-16}
19  * @param  {String} str 
20  * @param  {String} charset utf-8, utf-16
21  * @return {Number}
22  */
23 var sizeof = function(str, charset){
24     var total = 0,
25         charCode,
26         i,
27         len;
28     charset = charset ? charset.toLowerCase() : '';
29     if(charset === 'utf-16' || charset === 'utf16'){
30         for(i = 0, len = str.length; i < len; i++){
31             charCode = str.charCodeAt(i);
32             if(charCode <= 0xffff){
33                 total += 2;
34             }else{
35                 total += 4;
36             }
37         }
38     }else{
39         for(i = 0, len = str.length; i < len; i++){
40             charCode = str.charCodeAt(i);
41             if(charCode <= 0x007f) {
42                 total += 1;
43             }else if(charCode <= 0x07ff){
44                 total += 2;
45             }else if(charCode <= 0xffff){
46                 total += 3;
47             }else{
48                 total += 4;
49             }
50         }
51     }
52     return total;
53 }