Javascript は、localStorage_javascript のヒントで文字列が占めるバイト数を計算します。

最近のプロジェクトでは、localStorage に書き込まれる文字列が占有するメモリを計算するために js を使用する必要があります。ご存知のとおり、js は Unicode エンコーディングを使用します。 Unicode 実装には N 種類があり、その中で最も一般的に使用されるのは UTF-8 と UTF-16 です。したがって、この記事ではこれら 2 つのエンコーディングについてのみ説明します。

次の定義は Wikipedia (http://zh.wikipedia.org/zh-cn/UTF-8) から引用したものですが、一部削除されています。

UTF-8 (8 ビット Unicode Transformation Format) は、Unicode 標準の任意の文字を表すことができる Unicode の可変長文字エンコーディングであり、そのエンコーディングの最初のバイトは 1 ～ 4 バイトを使用して ASCII と互換性があります。各文字をエンコードするバイト数

エンコード規則は次のとおりです:

000000 ～ 00007F の文字コードは 1 バイトでエンコードされます。

000080 ～ 0007FF の文字は 2 バイトを使用します。

000800 ～ 00D7FF と 00E000 ～ 00FFFF の間の 3 バイトを使用します。 注: Unicode には、
の範囲に文字は含まれません。 010000 ～ 10FFFF の間の 4 バイトを使用します。

UTF-16 は、次のように、ほとんどの文字はエンコードに 2 バイトを使用し、65535 を超える文字コードは 4 バイトを使用します。

000000 – 00FFFF 2 バイト

010000 – 10FFFF 4 バイト。

最初は、ページが UTF-8 でエンコードされているので、localStorage に保存されている文字列も UTF-8 でエンコードされるべきだと思いました。しかし、その後のテストで、計算されたサイズは 5MB 未満であることが判明しましたが、それを localStorage に保存するときに例外がスローされました。よく考えたら、ページのエンコーディングを変更できます。 localStorage がページのエンコーディングに従って文字列を保存すると、混乱してしまいませんか?ブラウザはすべて UTF-16 エンコーディングを使用する必要があります。 5MB の文字列は UTF-16 エンコードを使用して計算され、正常に書き込まれました。それを超えると失敗となります。

さて、これがコードの実装です。計算ルールは上に書いた通りですが、計算速度を考慮して2つのforループを分けて記述しています。

/**
   * 计算字符串所占的内存字节数，默认使用UTF-8的编码方式计算，也可制定为UTF-16
   * UTF-8 是一种可变长度的 Unicode 编码格式，使用一至四个字节为每个字符编码
   *
   * 000000 - 00007F(128个代码)   0zzzzzzz(00-7F)               一个字节
   * 000080 - 0007FF(1920个代码)   110yyyyy(C0-DF) 10zzzzzz(80-BF)       两个字节
   * 000800 - 00D7FF
    00E000 - 00FFFF(61440个代码)  1110xxxx(E0-EF) 10yyyyyy 10zzzzzz      三个字节
   * 010000 - 10FFFF(1048576个代码) 11110www(F0-F7) 10xxxxxx 10yyyyyy 10zzzzzz 四个字节
   *
   * 注: Unicode在范围 D800-DFFF 中不存在任何字符
   * {@link http://zh.wikipedia.org/wiki/UTF-8}
   *
   * UTF-16 大部分使用两个字节编码，编码超出 65535 的使用四个字节
   * 000000 - 00FFFF 两个字节
   * 010000 - 10FFFF 四个字节
   *
   * {@link http://zh.wikipedia.org/wiki/UTF-16}
   * @param {String} str
   * @param {String} charset utf-8, utf-16
   * @return {Number}
   */
  var sizeof = function(str, charset){
    var total = 0,
      charCode,
      i,
      len;
    charset = charset ? charset.toLowerCase() : '';
    if(charset === 'utf-16' || charset === 'utf16'){
      for(i = 0, len = str.length; i < len; i++){
        charCode = str.charCodeAt(i);
        if(charCode <= 0xffff){
          total += 2;
        }else{
          total += 4;
        }
      }
    }else{
      for(i = 0, len = str.length; i < len; i++){
        charCode = str.charCodeAt(i);
        if(charCode <= 0x007f) {
          total += 1;
        }else if(charCode <= 0x07ff){
          total += 2;
        }else if(charCode <= 0xffff){
          total += 3;
        }else{
          total += 4;
        }
      }
    }
    return total;
  }