搜索

首页  >  问答  >  正文

css - js里var name=''张三" 那么name.length 这个属性在UTF-8 GB2312里分别等于多少？

js里var name=''张三" 那么name.length 这个属性在UTF-8 GB2312里分别等于多少？为什么？？？

巴扎黑巴扎黑2804 天前566

全部回复(2)我来回复

  • 伊谢尔伦

    伊谢尔伦2017-04-17 11:22:09

    这个问题看来并不是简单说说就行的。我添加到回答里吧。

    首先， JavaScript中的String内部表示方式始终是UTF16，而它的length也是始终按UTF16 code point去计算，简而言之，length始终返回字符数量，而非字节大小！

    那么，为什么有人测试发现对于同一个字符串"张三"，用UTF8编码时返回2，用GBK则得到3呢？那是因为浏览器没能正确识别文件编码，所以判断错了，返回3的结果是一个程序运行出错的结果。

    这个里面概念还真多。先讨论JS写在HTML页面里面的时候，然后再讨论src加载外部JS的情况。

    设test.html文件自身的编码为GBK，那么浏览器加载test.html的时候，怎么得知它的encoding呢？
    大致这样几种方案：

    1. 根据HTTP Header中的Content-Type: text/html;charset=gbk其中的charset值。例如你可以在PHP中加上代码header("Content-Type: text/html;charset=gbk")，告诉浏览器编码
    2. 如果HTTP Header中没有charset的信息，就看看HTML head中有没有<meta http-equiv="Content-Type" content="text/html;charset=gbk"/>或者<meta charset="GBK"/>，如果有的话，就使用这里面指定的编码解析HTML。注意， 在这之前如果有中文字符 很可能被解析成乱码：
     <head>
   <title>可能显示成乱码</title>
   <meta charset="GBK"/><!--It's too late here-->
 </head>

    如果以上都没有找到charset信息，那么，其实还可以通过BOM来判断，如果没有BOM，那浏览器就只能去猜。具体怎么猜，我说这个咱要知道了干嘛？难道我们写代码还能依赖浏览器能不能猜中这个编码迷语吗？

    如果浏览器最终没能正确判断到HTML文件的编码呢？那就乱码呗！对于HTML中的文字来讲，你很容易看到，它就显示成乱码了。但对于JS文件，你就不那么容易看到了，这样：

    a="两个"
alert(a+"\n"+a.length); //当a.length不为2的时候，前面a肯定显示成乱码

    或问，为什么这种情况下会输出3呢？别问了！！
    错误的输入！错误的输出！，就算乱码的情况下输出2也当它是错的，不值得花那篇幅去解释这个了。

    那好，你是不是想搞出一个输出3的效果？很简单，将下面的代码用UTF8编码保存到test.html文件中：

    <meta charset="GBK" />
<script>
a="两个"
alert(a+"\n"+a.length); //当a.length不为2的时候，前面a肯定显示成乱码
</script>

    这样，浏览器信了你在meta charset中指定的GBK编码，但是实际上这个HTML文件是UTF8编码，那它就乱码了！

    好了，再说下 src 引用外部JS的情况。
    设外部JS文件test.js文件编码为UTF8，test.html编码为GBK通过下面的代码引用了这个JS文件：
    <script src="test.js" charset="UTF8"></script>，那么这个时候，浏览器怎么判断JS文件的编码呢？类似的途径：

    1. 根据test.js返回的HTTP Header中的Content-Type: text/javascript;charset=gbk其中的charset值。当然如果你是file://协议，就没这个东西了。
    2. 根据script的charset属性值。
    3. 如果都没有以上信息，则认为JS与当前HTML文件，即test.html的编码相同。 test.html的编码怎么判断的前面说过了。

    如果 HTML与外部JS的编码不一致，并且没有指定<script charset="XXX">或HTTP Header，那么就会乱码，也会造成前面的效果。

    唉，这真TM废话，这种问题已经有很多文章讨论过了，直接去看这些文章就行了嘛！
    比如这两个太长不看的文章：http://ued.taobao.org/blog/2011/08/encode-war/ ，http://tgideas.qq.com/webplat/info/news_version3/804/808/811/m579/201307/218730.shtml 。W3C对 script charset的说法： http://www.w3.org/TR/html5/scripting-1.html#attr-script-charset

    太长不看不是好习惯！！！

    最后，最佳实践当然是：始终都用UTF8编码，并且对于外部JS指定script charset。

    回复
    0
  • 阿神

    阿神2017-04-17 11:22:09

    要了解这个问题，我们首先回到String.length这个属性的定义上去，让我们去MDN查看一下：https://developer.mozilla.org/en-US/docs/Web/JavaScript/Reference/Global_Objects/String/length

    This property returns the number of code units in the string. UTF-16, the string format used by JavaScript, uses a single 16-bit code unit to represent the most common characters, but needs to use two code units for less commonly-used characters, so it's possible for the value returned by length to not match the actual number of characters in the string.

    MDN上明确描述了JS是计算字符串在utf-16编码下的长度。如果你的当前文件的编码（可以从document.charset下获得）是utf-8的话，就会返回正确结果。如果你的文件编码是gb2312的话，JavaScript不清楚你用的是gb2312编码，默认还是从utf-16中查找则会出现不可预料的错误。解决这个问题的方法是正确设置编码方式，<meta charset="utf-8" />。（这一部分非常感谢 @Jex 的详细讲解）

    关于如何正确的计算中文字符串的长度，或许你还可以参考这个页面：http://www.puritys.me/docs-blog/article-107-String-Length-%E4%B8%AD%E6%96%87%E5%AD%97%E4%B8%B2%E9%95%B7%E5%BA%A6.html

    回复
    0
  • 取消回复