Contar bytes en textarea usando javascript

Question

Necesito contar cuánto tiempo en bytes es un área de texto cuando UTF8 codifica con javascript. ¿Alguna idea de cómo haría esto?

gracias!

Answer 1

edición: como Didier-l ha señalado, esta función no cuenta caracteres suplentes correctamente.

La respuesta de broofa debe contar los sustitutos correctamente, vea https://stackoverflow.com/a/12206089/274483.

He probado las dos versiones que aquí se propone, así como una aplicación ingenua:

getUTF8Length: function(string) { 
    var utf8length = 0; 
    for (var n = 0; n < string.length; n++) { 
     var c = string.charCodeAt(n); 
     if (c < 128) { 
      utf8length++; 
     } 
     else if((c > 127) && (c < 2048)) { 
      utf8length = utf8length+2; 
     } 
     else { 
      utf8length = utf8length+3; 
     } 
    } 
    return utf8length; 
} 

Con el resultado de que mi versión es ligeramente más rápido en Firefox y significativamente más rápido en cromo (~ 30x) que el aquí publicado versiones.

Answer 2

encodeURIComponent(text).replace(/%[A-F\d]{2}/g, 'U').length 

Answer 3

Me he estado preguntando lo mismo. Esta es la mejor respuesta que he tropezar con:

http://www.inter-locale.com/demos/countBytes.html

Aquí es el fragmento de código:

<script type="text/javascript"> 
function checkLength() { 
    var countMe = document.getElementById("someText").value 
    var escapedStr = encodeURI(countMe) 
    if (escapedStr.indexOf("%") != -1) { 
     var count = escapedStr.split("%").length - 1 
     if (count == 0) count++ //perverse case; can't happen with real UTF-8 
     var tmp = escapedStr.length - (count * 3) 
     count = count + tmp 
    } else { 
     count = escapedStr.length 
    } 
    alert(escapedStr + ": size is " + count) 
} 

pero el enlace contiene un ejemplo vivo de ella para jugar. "encodeURI (STRING)" es el componente básico aquí, pero también consulte encodeURIComponent (STRING) (como ya lo señalé en la respuesta anterior) para ver cuál se ajusta a sus necesidades.

Saludos

Answer 4

Si tiene caracteres no bmp en su cadena, que es un poco más complicado ...

Debido Javascript hace UTF-16 codificar, y un "carácter" es una de 2 bytes-pila (16 bits) todos los caracteres de varios bytes (3 y más bytes) no funcionarán:

<script type="text/javascript"> 
     var nonBmpString = "foo€"; 
     console.log(nonBmpString.length); 
     // will output 5 
    </script> 

El carácter "€" tiene una longitud de 3 bytes (24 bits). Javascript lo interpreta como 2 caracteres, porque en JS, un personaje es un bloque de 16 bits.

Para obtener correctamente el tamaño de bytes de una cadena mixta, tenemos que codificar nuestra propia función fixedCharCodeAt();

function fixedCharCodeAt(str, idx) { 
     idx = idx || 0; 
     var code = str.charCodeAt(idx); 
     var hi, low; 
     if (0xD800 <= code && code <= 0xDBFF) { // High surrogate (could change last hex to 0xDB7F to treat high private surrogates as single characters) 
      hi = code; 
      low = str.charCodeAt(idx + 1); 
      if (isNaN(low)) { 
       throw 'Kein gültiges Schriftzeichen oder Speicherfehler!'; 
      } 
      return ((hi - 0xD800) * 0x400) + (low - 0xDC00) + 0x10000; 
     } 
     if (0xDC00 <= code && code <= 0xDFFF) { // Low surrogate 
      // We return false to allow loops to skip this iteration since should have already handled high surrogate above in the previous iteration 
      return false; 
      /*hi = str.charCodeAt(idx-1); 
      low = code; 
      return ((hi - 0xD800) * 0x400) + (low - 0xDC00) + 0x10000;*/ 
     } 
     return code; 
    } 

Ahora podemos contar los bytes ...

function countUtf8(str) { 
     var result = 0; 
     for (var n = 0; n < str.length; n++) { 
      var charCode = fixedCharCodeAt(str, n); 
      if (typeof charCode === "number") { 
       if (charCode < 128) { 
        result = result + 1; 
       } else if (charCode < 2048) { 
        result = result + 2; 
       } else if (charCode < 65536) { 
        result = result + 3; 
       } else if (charCode < 2097152) { 
        result = result + 4; 
       } else if (charCode < 67108864) { 
        result = result + 5; 
       } else { 
        result = result + 6; 
       } 
      } 
     } 
     return result; 
    } 

Por cierto ... No use el encodeURI-método, ya que, se trata de una función de navegador nativo;)

más cosas:

• Code on GitHub
• More on Mozilla Developer Networks

---

Saludos

frankneff.ch/@frank_neff 

Answer 5

Combinando varias respuestas, el siguiente método debe ser rápida y precisa, y evita problemas con los pares suplentes no válidas que pueden causar errores en encodeURIComponent():

function getUTF8Length(s) { 
    var len = 0; 
    for (var i = 0; i < s.length; i++) { 
    var code = s.charCodeAt(i); 
    if (code <= 0x7f) { 
     len += 1; 
    } else if (code <= 0x7ff) { 
     len += 2; 
    } else if (code >= 0xd800 && code <= 0xdfff) { 
     // Surrogate pair: These take 4 bytes in UTF-8 and 2 chars in UCS-2 
     // (Assume next char is the other [valid] half and just skip it) 
     len += 4; i++; 
    } else if (code < 0xffff) { 
     len += 3; 
    } else { 
     len += 4; 
    } 
    } 
    return len; 
} 

Answer 6

encodeURI(text).split(/%..|./).length - 1 

Answer 7

Añadir función de conteo longitud en bytes de la cadena

String.prototype.Blength = function() { 
    var arr = this.match(/[^\x00-\xff]/ig); 
    return arr == null ? this.length : this.length + arr.length; 
} 

entonces puede utilizar .Blength() para obtener el tamaño

Answer 8

¿Qué hay de

simple:

unescape(encodeURIComponent(utf8text)).length 

El truco es que encodeURIComponent parece funcionar en los personajes, mientras que unescape trabaja en bytes.

Answer 9

intente lo siguiente:

function b(c) { 
    var n=0; 
    for (i=0;i<c.length;i++) { 
      p = c.charCodeAt(i); 
      if (p<128) { 
       n++; 
      } else if (p<2048) { 
       n+=2; 
      } else { 
       n+=3; 
      } 
     }return n; 
} 

Answer 10

conjunto meta UTF-8 simplemente & Está bien!

<meta charset="UTF-8"> 
<meta http-equiv="content-type" content="text/html;charset=utf-8"> 

y JS:

if($mytext.length > 10){ 
// its okkk :) 
}