计算字符串所占的字节数

计算字符串所占的字节数

January 3, 2020
Web, 前端
★ 在 GitHub 赞我

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. 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

  • 000000 - 00007F (128 个代码) 0zzzzzzz (00-7F): 一个字节
  • 000080 - 0007FF (1920 个代码) 110yyyyy(C0-DF) 10zzzzzz(80-BF)`: 两个字节
  • 000800 - 00D7FF, 00E000 - 00FFFF(61440 个代码) 1110xxxx(E0-EF) 10yyyyyyy 10zzzzzz: 三个字节
  • 010000 - 10FFFF(1048576 个代码) 11110www(F0-F7) 10xxxxxx 10yyyyy 10zzzzzz: 四个字节

  • 注: Unicode在范围 D800-DFFF 中不存在任何字符
  • 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
  • 000000 - 00FFFF 两个字节.
  • 010000 - 10FFFF 四个字节
// {@link http://zh.wikipedia.org/wiki/UTF-16}
// @param  {String} str 
// @param  {String} charset utf-8, utf-16
// @return {Number}
export const stringSize = function (str, charset) {
  let total = 0
  let charCode
  let i
  let len
  charset = charset ? charset.toLowerCase() : ''
  if (charset === 'utf-16' || charset === 'utf16') {
    for (i = 0, len = str.length; i < len; i++) {
      charCode = str.charCodeAt(i)
      if (charCode <= 0xffff) {
        total += 2
      } else {
        total += 4
      }
    }
  } else {
    for (i = 0, len = str.length; i < len; i++) {
      charCode = str.charCodeAt(i)
      if (charCode <= 0x007f) {
        total += 1
      } else if (charCode <= 0x07ff) {
        total += 2
      } else if (charCode <= 0xffff) {
        total += 3
      } else {
        total += 4
      }
    }
  }
  return total
}