Javascript 中文字符串处理额外注意事项

在Javascript中，处理中文字符串时需要注意一些额外的注意事项，本攻略将详细讲解这些注意事项。

中英文混合情况下的长度计算

因为中文字符和英文字符所占的字节长度不同，处理中英文混合的字符串长度时需要格外注意。在Javascript中，使用String.prototype.length获取字符串长度时，每个ASCII字符占用1个字节，而每个Unicode字符占用2个字节。因此，对于中英文混合的字符串，可以使用以下方法来计算其正确的长度：

function getStrLength(str) {
  var realLength = 0;
  for (var i = 0; i < str.length; i++) {
    var charCode = str.charCodeAt(i);
    if (charCode >= 0 && charCode <= 128) {
      realLength += 1;
    } else {
      realLength += 2;
    }
  }
  return realLength;
}

上面的方法中，使用String.prototype.charCodeAt获取到每个字符的Unicode编码值，通过判断Unicode编码值来判断每个字符是英文字符还是中文字符，从而计算出整个字符串的长度。

中文字符编码问题

在处理中文字符串时还需要注意字符编码问题。在Javascript中，字符串的字符编码默认是Unicode编码，因此如果需要将中文字符编码成其他格式（例如UTF-8或GBK），需要使用相关的编码库进行转换。

例如，将中文字符编码成UTF-8格式，可以使用以下方法：

function encodeUtf8(str) {
  var utf8 = '';
  for (var i = 0; i < str.length; i++) {
    var charCode = str.charCodeAt(i);
    if (charCode < 0x80) {
      utf8 += String.fromCharCode(charCode);
    } else if (charCode < 0x800) {
      utf8 += String.fromCharCode((charCode >> 6) | 0xC0);
      utf8 += String.fromCharCode((charCode & 0x3F) | 0x80);
    } else {
      utf8 += String.fromCharCode((charCode >> 12) | 0xE0);
      utf8 += String.fromCharCode(((charCode >> 6) & 0x3F) | 0x80);
      utf8 += String.fromCharCode((charCode & 0x3F) | 0x80);
    }
  }
  return utf8;
}

上面的方法中，利用Unicode编码格式的规律，将中文字符逐个转换成UTF-8编码格式的字符。转换完成后，字符串就可以在UTF-8编码格式下进行传输或存储。

示例说明

以下是对以上两个问题的示例说明。

示例一：中英文混合字符串长度计算

var str = 'Hello, 世界！';
console.log(str.length); // 11
console.log(getStrLength(str)); // 15

以上代码定义了一个中英文混合的字符串，使用String.prototype.length获取该字符串长度时，得到的结果为11，而使用getStrLength函数获取该字符串长度时，得到的结果为15，两者结果不同，因为前者没有考虑中文字符占用的字节数。

示例二：中文字符编码转换

var str = '你好，世界！';
console.log(encodeUtf8(str)); // %E4%BD%A0%E5%A5%BD%EF%BC%8C%E4%B8%96%E7%95%8C%EF%BC%81

以上代码定义了一个中文字符串，使用encodeUtf8函数将该字符串编码成了UTF-8格式，得到的结果为%E4%BD%A0%E5%A5%BD%EF%BC%8C%E4%B8%96%E7%95%8C%EF%BC%81，该字符串可以在UTF-8编码格式下传输或存储。