javascript校验中英文混同字符长度
日期：2014-05-16 浏览次数：20598 次
项目中有这样一个需求。前端html页面是用UTF-8编码的，数据库也是用UTF-8编码的。字符集均为unicode。数据库中的限制一般通常如下：
?
director varchar2 100 导演 scriptwriter varchar2 100 编剧 compere varchar2 100 节目主持人 guest varchar2 100 受访者 reporter varchar2 100 记者
?? 这些字段都有一个长度限制，长度是以ascii码，也就是字节来计算的，这就带了一个中英文，或者是其他字符用utf-8编码的长度组合问题。可能这样说我说不明白，还是先举例子吧。
?
? 什么叫字符集，字符集就是符号的集合。通常我们用的符号就是文字。
??http://www.nengcha.com/code/unicode/class/这个网址给出了许多国家的字符集。如下面图示
?
同样英语的A,B,C,D,汉字的“你我他"这些都是符号，这些有关联，或者成一个系统的符号集合，我们称之为字符集。计算机认识字符集可不是通过”象形“，图像匹配之类进行文字符号识别的，每个符号编个码，就OK。例如在某种字符集中，我们给‘A'编码为1234，’B'为2345,我们就可以通过1234来展示‘A’,2345来展示'B'.A!=B这些关系，都可以通过编码获得。
?
?
但是人们的认识总是慢慢接近完美和正确的。中国人发电报，要给汉字编码，他要处理的符号集合就是简体汉字，大概千把个，然后用数字编码，叫做“国标2313”即GB2312这个转换方法。俄罗斯为了展示自己的文字，也搞个编码，同样日本人，蒙古人，玛雅人，古代中国人的甲骨文，繁体字，等等。如果不仔细规划，很可能这些同一个编码数字，用中国人的方法解释是个“马”字，但是俄罗斯的规则解释是个'Д'字。为了解决编码可能存在的冲突，国际组织就把所有的符号作为一个集合，这个集合如此之大，以致可以包含地球上所有文字符号，以及未来的符号。这就是unicode。这大概就是一个整体和局部的关系，同时兼顾了扩展，就像电信分配号段一样，可以照顾到所有，也可以扩展。
?
??编码方式有多种多样，编码方式的不同主要是为了提高存储，迅速解码等等。即使是同一个unicode，就有utf-8,utf-16等等编码方式。UTF-8的编码方式，我是从网上查找到了，是这样的：
符号先找到其unicode码，然后在进行UTF-8编码。
0000?-?007F?0xxxxxxx?
0080?-?07FF?110xxxxx?10xxxxxx?
0800?-?FFFF?1110xxxx?10xxxxxx?10xxxxxx?
例如“汉”字的Unicode编码是6C49。6C49在0800-FFFF之间，所以肯定要用3字节模板了：1110xxxx?10xxxxxx?10xxxxxx。将6C49写成二进制是：0110?110001?001001，?用这个比特流依次代替模板中的x，得到：11100110?10110001?10001001，即E6?B1?89。
?
我其实不太明白为什么这样做，感觉就像网络协议一样，一层套一层。符号--》unicode编码-->utf-8编码。
解码 UTF-8编码--》unicode码--》显示符号。 直接用unicode编解码不就OK了吗，可能是前面说的用字符集的一个子集来提高编解码的效率吧。
?
先不管这些了。很重要的信息就是红色那部分。我们再来看一下unicode码划分的字符集。
?
?
http://www.nengcha.com/code/unicode/class/
?
从这个图，我们可以看到unicode被不相交的分配给各个国家的文字符号，猜猜中国字分别在哪里了呢？啊，当然是字符最多的那一段了。
?
那么，我们的那个项目的问题，就转变成了：在数据库中，一个字段限制为20个字节，那么我输入几个unicode字符，就不可以再输入了？
?
?? ? ? 例如汉字“我”的utf-8编码占三个字节，那么我可以输入6个“我”加上2个‘a',刚好3*6+2=20，这样，我们就可以写一个页面测试一下了。
?
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<body>
ni hao!
<body>
<script>
var bb="年后\u0908,abИфcd";
alert(bb);
alert(bb.length);
for(i=0;i<bb.length;i++)
{
var zi=bb.charAt(i);
alert(zi);
if(zi<='\u007F')
alert(1);
if(zi>'\u007F'&&zi<='\u07FF')
alert(2)
if(zi>'\u07FF'&&zi<='\uFFFF')
alert(3);
}
</script>
?
?
经过验证，我们就可以得出一些有用的信息，我们就可以来控制前端输入到多少个字符了。
?
?
?
?
?
