Javascript 字符串字节长度计算函数代码与效率分析(for VS 正则)

时间:2022-08-22 10:41:08

先看看一下两段代码吧,它们分别用for循环和正则表达式来检测字符串的字节长度:

for循环检测字符串的字节长度方法一:

复制代码 代码如下:


var lenFor = function(str){
var byteLen=0,len=str.length;
if(str){
for(var i=0; i<len; i++){
if(str.charCodeAt(i)>255){
byteLen += 2;
}
else{
byteLen++;
}
}
return byteLen;
}
else{
return 0;
}
}


使用方法
var strlength=lenFor(str)
for循环检测字符串的字节长度方法二:

复制代码 代码如下:


function LEN(str){
var i,sum=0;
for(i=0;i<str.length;i++){
if((str.charCodeAt(i)>=0) && (str.charCodeAt(i)<=255))
sum=sum+1;
else
sum=sum+2;
}
return sum;
}



正则表达式检测字符串的字节长度方法三:
有点代码比较精简,根据下面的测试,效率却不高,大家可以用上面的函数。

复制代码 代码如下:


var lenReg = function(str){
return str.replace(/[^\x00-\xFF]/g,'**').length;
};


var strlength2=lenReg(str)

我用以下代码段对以上两个函数进行测试,主要是测试其运行时间:

复制代码 代码如下:


var s = '......';//一个很长的字符串,这里不罗列

function a(){
var timeStart,timeEnd;
timeStart = new Date();
var s1 = lenReg(s);
timeEnd = new Date();
var t1 = (timeEnd - timeStart)*1000;
timeStart = new Date();
var s2 = lenFor(s);
timeEnd = new Date();
var t2 = (timeEnd - timeStart)*1000;
alert('lenReg: ' + s1 + ' time: ' + t1 + '\nlenFor: ' + s2 + ' time: ' + t2);
}
window.onload = function(){
a();
};


以上代码在浏览器载入完毕的时候弹出一个警示窗口,窗口上有两行信息:第一行是用正则表达式检测的字符串字节长度和所用时间(×1000);第二行是用for循环检测字符串字节长度和所用时间(×1000)。



我得到两种答案:

第一种:

lenReg: 25824 time: 20000

lenFor: 25824 time: 10000

第二种:

lenReg: 48795 time: 15000

lenFor: 48795 time: 25000

需要说明的是,两次测试所用的字符串为同一字符串。

为什么会相差那么大呢?我到底偷偷改了什么??以上我提过,“中文字符占用2个字节(与编码有关)”(本文第三段),中文字符占用多少个字节是与编码有关的,一般情况下,GB-2312和UTF-8编码中,中文字符占用2个字节,但是在iso-8859-1编码中,中文字符占用5个字节。

是的,问题就在于文档的编码。以上第一种情况的编码为:charset=UTF-8,第二种情况的编码为charset=iso-8859-1。


在中文网页中,我们一般都不会用charset=iso-8859-1进行编码(中文乱码),而是用charset=UTF-8或GB-2312进行编码。问题就在这里,比较一下以上的第一种情况吧:
lenReg: 25824 time: 20000
lenFor: 25824 time: 10000
如上所示,用正则表达式检测所用的时间竟然是for循环的两倍!!!!(其实,测试多次之后也不全部都是两倍,但大部分测试都是两倍)

为什么呢?

str.replace(/[^\x00-\xFF]/g,'**').length;

看看以上语句(lenReg函数中的语句)。就我个人理解,问题就出现在这里——replace的时候要遍历一次字符串,在调用length的时候又要遍历一次字符串,所以整个运算过程需要遍历两次字符串。而for循环只需要遍历一次——这应该就是问题所在了,但是我不是非常确定。

我不太确定以上的理解是否确切,但是从表面上分析应该是这样的。

那么,用正则表达式检测真的使算法更加复杂吗?还是以上没有充分利用正则表达式的优势?现在我还没有意义的想法,需要进一步去推敲。先保持着怀疑吧^_^……