在我的 JavaScript 代码中，我需要按照以下格式向服务器组合一个消息：
<size in bytes>CRLF
<data>CRLF
示例：
3
foo
数据可能包含Unicode字符。我需要将它们以UTF-8格式发送。
我正在寻找JavaScript中计算字符串字节长度最跨浏览器的方法。
我已尝试使用以下内容组成有效载荷：
return unescape(encodeURIComponent(str)).length + "\n" + str + "\n"
但它不能为旧浏览器提供准确的结果（或者，也许是那些浏览器中的字符串采用UTF-16编码？）。
有什么线索吗？
更新：
例如：在UTF-8中，字符串ЭЭХ! Naïve?的字节数为15个字节，但某些浏览器报告23个字节。
TextEncode仅支持utf-8。 - Jehong Ahn在JavaScript中本地没有方法可以实现这一点。（参见Riccardo Galli的回答，了解现代方法。）
对于历史记录或文本编码器API仍然不可用的情况下。
如果您知道字符编码，可以自己计算。
encodeURIComponent假定UTF-8为字符编码，所以如果您需要该编码，则可以执行以下操作：
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);
}
这应该是可行的，因为UTF-8编码多字节序列的方式。第一个编码字节始终以高位为零的单字节序列，或以C、D、E或F作为第一个十六进制数字的字节开始。第二个及后续字节是首两位为10的额外字节，这些字节是你想要在UTF-8中计数的。
在维基百科中的表格更加清晰明了。
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
...
如果你需要了解页面编码，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);
}
lengthInUtf8Bytes函数对于非BMP字符返回5，而这些字符在str.length中返回2。我会写一个修改后的函数到答案部分。 - Lauri Oherd''.length == 2）组成，即使只有一个Unicode字符。这些单独的代理半部分被公开，就好像它们是字符一样：'' == '\uD834\uDF06'。来源 - Lauri OherdencodeURIComponent('') 的结果是 '%F0%9F%8D%80'。 - albert这是一个更快的版本，它不使用正则表达式，也不使用encodeURIComponent()函数：
function byteLength(str) {
// returns the byte length of an utf8 string
var s = str.length;
for (var i=str.length-1; i>=0; i--) {
var code = str.charCodeAt(i);
if (code > 0x7f && code <= 0x7ff) s++;
else if (code > 0x7ff && code <= 0xffff) s+=2;
if (code >= 0xDC00 && code <= 0xDFFF) i--; //trail surrogate
}
return s;
}
这里是一个性能比较。
它只是计算由charCodeAt()返回的每个Unicode代码点的UTF8长度（基于维基百科对UTF8和UTF16代理字符的描述）。
它遵循RFC3629（其中UTF-8字符最多为4字节长）。
对于简单的UTF-8编码，使用Blob会比TextEncoder兼容性稍好一些。但在非常旧的浏览器中可能无法正常工作。
对于简单的UTF-8编码，使用Blob会比TextEncoder兼容性稍好一些。但在非常旧的浏览器中可能无法正常工作。
new Blob([""]).size; // -> 4
File。 - vhs使用 Buffer 的另一种非常简单的方法（仅适用于 NodeJS）：
Buffer.byteLength(string, 'utf8')
Buffer.from(string).length
Buffer.byteLength(string, 'utf8') 创建缓冲区。 - Joe这个函数将返回你传入的任何UTF-8字符串的字节大小。
function byteCount(s) {
return encodeURI(s).split(/%..|./).length - 1;
}
ユーザーコード的字节长度始终为21，我在不同的工具上进行了测试；请在发表评论时更加友善;) - Capitex我在Firefox中比较了一些建议的方法以测试速度。
我使用的字符串包含以下字符：œ´®†¥¨ˆøπ¬˚∆˙©ƒ∂ßåΩ≈ç√∫˜µ≤
所有结果均为3次运行的平均值，时间以毫秒为单位。请注意，所有URI编码方法的表现都类似，并且结果极端，因此我只包括其中一个。
尽管根据字符串大小存在一些波动，但charCode方法（lovasoa和fuweichin）的性能都相似且最快，其中fuweichin的charCode方法是最快的。Blob和TextEncoder方法的表现也相似。 总体而言，charCode方法大约比Blob和TextEncoder方法快75％。URI编码方法基本上是不可接受的。
以下是我的结果：
大小为6.4 * 10 ^ 6字节：
Lauri Oherd – URIEncoding: 6400000 et: 796
lovasoa – charCode: 6400000 et: 15
fuweichin – charCode2: 6400000 et: 16
simap – Blob: 6400000 et: 26
Riccardo Galli – TextEncoder: 6400000 et: 23
大小为19.2 * 10^6字节： Blob在这里做了一些奇怪的事情。
Lauri Oherd – URIEncoding: 19200000 et: 2322
lovasoa – charCode: 19200000 et: 42
fuweichin – charCode2: 19200000 et: 45
simap – Blob: 19200000 et: 169
Riccardo Galli – TextEncoder: 19200000 et: 70
大小为64 * 10^6字节：
Lauri Oherd – URIEncoding: 64000000 et: 12565
lovasoa – charCode: 64000000 et: 138
fuweichin – charCode2: 64000000 et: 133
simap – Blob: 64000000 et: 231
Riccardo Galli – TextEncoder: 64000000 et: 211
文件大小为192 * 10^6字节： 使用URI编码方法会导致浏览器卡在这个点。
lovasoa – charCode: 192000000 et: 754
fuweichin – charCode2: 192000000 et: 480
simap – Blob: 192000000 et: 701
Riccardo Galli – TextEncoder: 192000000 et: 654
文件大小为 640 * 10^6 字节：
lovasoa – charCode: 640000000 et: 2417
fuweichin – charCode2: 640000000 et: 1602
simap – Blob: 640000000 et: 2492
Riccardo Galli – TextEncoder: 640000000 et: 2338
大小为1280 * 10^6字节： Blob和TextEncoder方法在这里开始受阻。
lovasoa – charCode: 1280000000 et: 4780
fuweichin – charCode2: 1280000000 et: 3177
simap – Blob: 1280000000 et: 6588
Riccardo Galli – TextEncoder: 1280000000 et: 5074
大小为 1920 * 10^6 字节：
lovasoa – charCode: 1920000000 et: 7465
fuweichin – charCode2: 1920000000 et: 4968
JavaScript error: file:///Users/xxx/Desktop/test.html, line 74: NS_ERROR_OUT_OF_MEMORY:
这是代码：
function byteLengthURIEncoding(str) {
return encodeURI(str).split(/%..|./).length - 1;
}
function byteLengthCharCode(str) {
// returns the byte length of an utf8 string
var s = str.length;
for (var i=str.length-1; i>=0; i--) {
var code = str.charCodeAt(i);
if (code > 0x7f && code <= 0x7ff) s++;
else if (code > 0x7ff && code <= 0xffff) s+=2;
if (code >= 0xDC00 && code <= 0xDFFF) i--; //trail surrogate
}
return s;
}
function byteLengthCharCode2(s){
//assuming the String is UCS-2(aka UTF-16) encoded
var n=0;
for(var i=0,l=s.length; i<l; i++){
var hi=s.charCodeAt(i);
if(hi<0x0080){ //[0x0000, 0x007F]
n+=1;
}else if(hi<0x0800){ //[0x0080, 0x07FF]
n+=2;
}else if(hi<0xD800){ //[0x0800, 0xD7FF]
n+=3;
}else if(hi<0xDC00){ //[0xD800, 0xDBFF]
var lo=s.charCodeAt(++i);
if(i<l&&lo>=0xDC00&&lo<=0xDFFF){ //followed by [0xDC00, 0xDFFF]
n+=4;
}else{
throw new Error("UCS-2 String malformed");
}
}else if(hi<0xE000){ //[0xDC00, 0xDFFF]
throw new Error("UCS-2 String malformed");
}else{ //[0xE000, 0xFFFF]
n+=3;
}
}
return n;
}
function byteLengthBlob(str) {
return new Blob([str]).size;
}
function byteLengthTE(str) {
return (new TextEncoder().encode(str)).length;
}
var sample = "œ´®†¥¨ˆøπ¬˚∆˙©ƒ∂ßåΩ≈ç√∫˜µ≤i";
var string = "";
// Adjust multiplier to change length of string.
let mult = 1000000;
for (var i = 0; i < mult; i++) {
string += sample;
}
let t0;
try {
t0 = Date.now();
console.log("Lauri Oherd – URIEncoding: " + byteLengthURIEncoding(string) + " et: " + (Date.now() - t0));
} catch(e) {}
t0 = Date.now();
console.log("lovasoa – charCode: " + byteLengthCharCode(string) + " et: " + (Date.now() - t0));
t0 = Date.now();
console.log("fuweichin – charCode2: " + byteLengthCharCode2(string) + " et: " + (Date.now() - t0));
t0 = Date.now();
console.log("simap – Blob: " + byteLengthBlob(string) + " et: " + (Date.now() - t0));
t0 = Date.now();
console.log("Riccardo Galli – TextEncoder: " + byteLengthTE(string) + " et: " + (Date.now() - t0));buffer 包：npm install --save buffer
const { Buffer } = require('buffer');
const length = Buffer.byteLength(string, 'utf-8');
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
或者，如评论中所建议的那样，如果服务器发送HTTP Content-Encoding头，则也应该可以工作。
这样，不同浏览器的结果就是一致的。
以下是一个示例：
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<title>mini string length test</title>
</head>
<body>
<script type="text/javascript">
document.write('<div style="font-size:100px">'
+ (unescape(encodeURIComponent("ЭЭХ! Naïve?")).length) + '</div>'
);
</script>
</body>
</html>
unescape绝不能用于解码URI。然而，为了将文本转换为UTF-8，它工作得很好。” - T Sunescape(encodeURIComponent(...)).length 始终能够正确计算长度，无论是否使用 meta http-equiv ... utf8。如果没有编码规范，一些浏览器可能会简单地将文档的字节编码为实际的 HTML 文本，然后计算其长度，这样就会得到不同的文本。可以通过打印文本本身以及长度来轻松测试这一点。 - T S在 NodeJS 中，Buffer.byteLength 是一个专为此目的设计的方法：
let strLengthInBytes = Buffer.byteLength(str); // str is UTF-8
请注意，默认情况下该方法假定字符串采用UTF-8编码。如果需要使用不同的编码，请将其作为第二个参数传递。
strLengthInBytes吗？例如：var text = "Hello World!"; var text_length = text.length; //将text_length作为参数传递给某个方法？ 另外，关于Buffer，我刚刚看到了这个答案，它讨论了new Blob(['test string']).size和在node中的Buffer.from('test string').length。也许这些对一些人有帮助？ - user1063287