在我的 JavaScript 代码中，我需要以这种格式向服务器发送消息：
<size in bytes>CRLF
<data>CRLF
例子：
3
foo
数据可能包含 unicode 字符。我需要将它们作为 UTF-8 发送。
我正在寻找最跨浏览器的方式来计算 JavaScript 中字符串的长度（以字节为单位）。
我试过这个来组成我的有效载荷：
return unescape(encodeURIComponent(str)).length + "\n" + str + "\n"
但它没有为旧浏览器提供准确的结果（或者，这些浏览器中的字符串可能是 UTF-16？）。
有什么线索吗？
更新：
示例：ЭЭХ! Naïve?UTF-8 中字符串的字节长度为 15 个字节，但某些浏览器报告为 23 个字节。
在 JavaScript 中本机无法做到这一点。（有关现代方法，请参阅Riccardo Galli 的回答。）
用于历史参考或 TextEncoder API仍然不可用的地方。
如果您知道字符编码，则可以自己计算。
encodeURIComponent 假设 UTF-8 作为字符编码，所以如果你需要这种编码，你可以这样做，
function lengthInUtf8Bytes(str) {
// Matches only the 10.. bytes that are non-initial characters in a multi-byte sequence.
var m = encodeURIComponent(str).match(/%[89ABab]/g);
return str.length + (m ? m.length : 0);
}
由于 UTF-8 编码多字节序列的方式，这应该有效。第一个编码字节总是以单个字节序列的高位 0 或第一个十六进制数字为 C、D、E 或 F 的字节开始。第二个和后续字节是前两位为 10 的字节. 这些是您要在 UTF-8 中计算的额外字节。
维基百科的表格更清楚
Bits Last code point Byte 1 Byte 2 Byte 3
7 U+007F 0xxxxxxx
11 U+07FF 110xxxxx 10xxxxxx
16 U+FFFF 1110xxxx 10xxxxxx 10xxxxxx
...
如果您需要了解页面编码，则可以使用以下技巧：
function lengthInPageEncoding(s) {
var a = document.createElement('A');
a.href = '#' + s;
var sEncoded = a.href;
sEncoded = sEncoded.substring(sEncoded.indexOf('#') + 1);
var m = sEncoded.match(/%[0-9a-f]{2}/g);
return sEncoded.length - (m ? m.length * 2 : 0);
}
这是一个更快的版本，它不使用正则表达式，也不使用encodeURIComponent()：
function byteLength(str) {
// returns the byte length of an utf8 string
var s = str.length;
for (var i=str.length-1; i>=0; i--) {
var code = str.charCodeAt(i);
if (code > 0x7f && code <= 0x7ff) s++;
else if (code > 0x7ff && code <= 0xffff) s+=2;
if (code >= 0xDC00 && code <= 0xDFFF) i--; //trail surrogate
}
return s;
}
这是性能比较。
它只是计算charCodeAt()返回的每个 unicode 代码点的 UTF8 长度（基于维基百科对UTF8和 UTF16 代理字符的描述）。
它遵循RFC3629（其中 UTF-8 字符最多 4 个字节长）。
对于简单的 UTF-8 编码，兼容性略好于TextEncoder，Blob 可以解决问题。但是在非常旧的浏览器中不起作用。
new Blob(["😀"]).size; // -> 4
此函数将返回您传递给它的任何 UTF-8 字符串的字节大小。
function byteCount(s) {
return encodeURI(s).split(/%..|./).length - 1;
}