JavaScript中字符串按字节长度截取的逻辑实现方案-js教程-PHP中文网

不能直接用 string.length，因其返回utf-16码元个数而非utf-8字节数：如'€'长度为1但utf-8占3字节，'?'长度为2（代理对）但utf-8占4字节。

javascript中字符串按字节长度截取的逻辑实现方案

JavaScript中字符串按字节长度截取，关键在于正确处理Unicode字符（尤其是UTF-16代理对和扩展Unicode字符），因为JavaScript内部用UTF-16编码，而“字节长度”通常指UTF-8编码下的字节数。直接用.length会返回字符数而非字节数，容易出错。

为什么不能直接用 string.length？

JS字符串的.length返回的是UTF-16码元（code unit）个数，不是字符数，更不是UTF-8字节数。例如：

'a'.length === 1 → UTF-8占1字节 ✔
'€'.length === 1 → 实际UTF-8占3字节 ✖（但.length仍是1）
'?'.length === 2 → 是一个代理对（surrogate pair），UTF-8占4字节，但.length为2

核心思路：先编码为UTF-8，再按字节截断

最可靠的方式是模拟UTF-8编码逻辑，逐字符计算其UTF-8字节长度，累加直到接近目标字节数，然后安全截断——避免把一个多字节字符切在中间。

javascript-pro

专注现代 ECMAScript、异步编程、性能优化和全栈的 JavaScript 专家，适用于现代开发

下载

ASCII字符（U+0000–U+007F）→ 1字节
U+0080–U+07FF → 2字节
U+0800–U+FFFF → 3字节
U+10000–U+10FFFF → 4字节（需识别代理对）

判断代理对的方法：charCode >= 0xD800 && charCode ，且高位在0xD800–0xDBFF、低位在0xDC00–0xDFFF时构成一个字符。

实用截取函数实现（不依赖外部库）

以下函数接收字符串和最大UTF-8字节数，返回截断后的字符串（保证UTF-8完整性）：

function truncateByBytes(str, maxBytes) {
  if (maxBytes = 0xD800 && code = 0xDC00 && nextCode  maxBytes) break;
        bytes += 4;
        result += str[i] + str[i + 1];
        i++; // 跳过低位代理
        continue;
      }
    }

    // 单个字符的UTF-8字节长度
    let charBytes;
    if (code  0xFFFF时已由代理对覆盖，此处兜底
    }

    if (bytes + charBytes > maxBytes) break;
    bytes += charBytes;
    result += str[i];
  }

  return result;
}