Softonic

字符串长度计算器

步 1 / 3
下一步

粘贴字符串后，该工具会从四个不同维度显示其长度：JavaScript 风格的 .length（UTF-16 编码单元）、Unicode 代码点、字素簇（用户感知为单个字符）以及 UTF-8 字节（数据库列实际存储的内容）。对于包含表情符号、旗帜或组合标记的字符串，这些数值会互不相同，而这种差异正是诸多 bug 的根源。

字符串长度的四种含义

  1. 1

    UTF-16 代码单元

    `str.length` 在 JavaScript 中返回的值：大多数字符返回 1，超出 U+FFFF 范围的代码点（如表情符号、古文字）则返回 2。

  2. 2

    代码点

    每个 Unicode 标量对应一个。表情符号各占 1 个；而 ZWJ 序列则包含多个。

  3. 3

    字素簇

    用户所称的“一个字符”。`🇺🇸` 包含 2 个代码点，但对应 1 个字素；`n̈` 同样包含 2 个代码点，但对应 1 个字素。

  4. 4

    UTF-8 字节

    数据库存储的内容：ASCII 字符各占 1 字节；常用欧洲字符占 2 字节；CJK 占 3 字节；大多数表情符号占 4 字节。

示例

字符串 JS .length 代码点 字素 UTF-8 字节
hello 5 5 5 5
café 4 4 4 5
😀 2 1 1 4
🇺🇸 4 2 1 8
👨‍👩‍👧（家庭） 8 5 1 18
n̈（n + 分音符） 2 2 1 3

为什么数字会不一样

JavaScript 字符串采用 UTF-16 编码，因此超出 U+FFFF 范围的代码点会以代理对形式存储，即两个 UTF-16 代码单元，例如 "😀".length === 2。用户对此颇有微词，因为他们把 😀 看作一个独立字符。

字素的定义则更进一步：国旗实际上由两个表示地区标识的代码点组合而成，但用户会将其视为单一旗帜。例如 JavaScript 中的 "🇺🇸".length === 4，听起来有些荒谬，但事实如此。若需遍历字素，可使用 Intl.Segmenter（现代方案）、grapheme-splitter 库，或手动处理。

UTF-8 字节：你的数据库实际存储的内容

对于类型为 VARCHAR(255) 的列：

  • 在 MySQL utf8（实际为 utf8mb3）中，255 指的是字节数；而 café 占用 5 字节，因此可存储 51 个副本。
  • 在 MySQL utf8mb4（真正的 UTF-8，包含表情符号）中，仍然以字节计数，但其编码支持 4 字节序列。
  • 在 Postgres VARCHAR(255) 中，255 表示字符数（代码点），而非字节。
  • 在 SQL Server VARCHAR 中，计数方式因排序规则（collation）而异；NVARCHAR 则按 2 字节的 UCS-2 单元计数。

若按用户可见的字符上限来设置数据库字段大小，在 UTF-8 列中建议使用“字节数 × 4”作为安全系数，每个字素的每个代码点最多可占用 4 字节，而 ZWJ 序列还会占用更多空间。

Twitter 风格的字符计数

Twitter 按自定义规则统计推文：以代码点为单位，但表情符号和 CJK 表意文字各计为 2。纯 ASCII 的推文最多可包含 280 个字符；而使用 140 个表情符号的推文上限仅为 140 个“字符”。

短信字符计数：GSM 7 位编码下上限为 160 个字符。一旦使用非 GSM 字符（如 á、é、ñ 或表情符号），编码就会切换为 UCS-2，消息长度随之降至 70 个字符。

实际应用

  • 数据库列大小设置，在编写迁移脚本前，先检查字节数。
  • API 配额限制，大多数 API 以字节而非字符为计量单位。
  • 表单验证，向用户显示与其预期相符的准确字符数（字素）。
  • 性能调试，这条正则表达式为什么遍历得这么慢？因为输入在代码单元上的长度是字素长度的 3 倍。

常见问题

该表情符号是由多个代码点组成的 ZWJ 序列（例如家庭表情符号由 7 个代码点构成）。Twitter 根据 Unicode 权重规则将其计为 2 个字符，而你的编辑器则显示为 1 个字素。两者在技术上都正确，只是衡量的对象不同。

在 UTF-8 数据库中，为确保安全，建议按每个预期字符 4 字节来预留。包含 100 个字符（字素）的字段应设为 VARCHAR(400) 字节；若数据库像 Postgres 那样按字符计数，则使用 VARCHAR(100) 并配合相应的字符集处理。

在 JavaScript 中，这取决于规范化形式。NFC 组合形式（U+00E1）长度为 1；NFD 分解形式（U+0061 + U+0301）长度为 2。可见字符相同，但字节序列不同。

家庭和职业类表情符号由很长的 ZWJ 序列组成。不完全支持这些序列的字体会把每个代码点分别渲染为独立字形，因此 👨‍💻 会显示为 👨+💻。升级操作系统字体即可解决此问题。

相关工具

小于或等于符号

复制 ≤ 符号及相关数学比较符号。包含适用于电子表格、论文和网页的 Unicode、HTML 实体及 LaTeX 标记。

可复制的箭头符号

一键复制常用 Unicode 箭头：直线、双线、斜向、钩形、环形和三角样式，适合文档、聊天和设计。

泰语数字转文字工具

在浏览器本地将最多 18 位数字写成泰语，或用 ASCII 数字或泰文数字将准确的泰铢和萨当金额写成文字，不进行舍入。

象形文字翻译器

用古埃及书吏表示单个读音的符号，把你的名字拼写成埃及象形文字。可以加上王名圈，复制符号或下载 PNG 图片。

Instagram字体生成器

生成Unicode字体样式（粗体、斜体、手写体、等宽体、花体），可直接粘贴至您的Instagram个人简介、姓名、配文及评论中。

城市名生成器

为世界观构建、地图、游戏、故事和模拟数据生成虚构的城市、城镇、村庄和首都名称，每个结果均附简短说明。

此工具还提供其他语言版本