主页 / computer / 问题 / 1746790
Accepted
Xavi Montero
Asked: 2022-10-11 06:24:52 +0800 CST

当字符串包含某些 UTF-8 字符时，用于计算 Google 电子表格中字符串长度的函数

  • 772

此函数返回 6，预计返回 4：

=LEN("?A?B")

如果 UTF-8 图标映射中的一个符号是 1 个字符，我应该使用什么函数来获取“真实字符数”？

utf-8 google-spreadsheets

1 个回答

  1. Best Answer

    我找不到这样的内置函数，但是 LEN() 的结果是“正确的”，因为它会询问您的浏览器字符串的长度并返回 6，因为浏览器的答案"?A?B".length也是 6。

    尽管 Google 电子表格适用于Unicode，但它实际上不适用于 UTF-8——它适用于 JavaScript 提供的 UTF-16 字符串，并且因为?(U+1F94E) 的代码点高于 U+FFFF，它不适合单个 16 位代码单元，但必须存储为代理对(U+D83E U+DD4E)。因此，四字符字符串不是存储为四个 UTF-8 符文，而是存储为六个 UTF-16 代码单元：

    U+D83E U+DD4E U+0041 U+D83E U+DD4E U+0042

    不幸的是，UTF-16 代码单元正是 JavaScript 中的String.length方法所计算的（这是一个不幸的怪癖，随着世界从严格的 16 位 UCS- 2 到 UTF-16）。如果你"?A?B".length在任何 JS 控制台中运行，它也会返回 6。

    （还有另一个函数LENB()将字符串编码为 UTF-8并以字节为单位返回其长度，但这并没有多大帮助。）

    如果您能够使用Apps Script，则应该可以编写一个自定义函数来执行此操作（尽管没有使用 MDN 中的示例，因为 Apps Script 运行的是不支持字符串作为可迭代对象的旧 JavaScript 版本）。例如：

    function LENU(str) {
  var length = 0, i, c;
  for (i = 0; i < str.length; i++) {
    c = str.charCodeAt(i);
    if (c < 0xDC00 || c > 0xDFFF) {
      /* Count everything except low surrogates, as they always
       * (in valid UTF-16, at least) follow a high surrogate that
       * just got counted previously. */
      length++;
    }
  }
  return length;
}

    （注意：仔细检查字符代码范围，不要像我刚才那样不小心输入了 0xDB00。）

    这应该可以=LENU(...)在电子表格中使用，尽管由于调用了对应用程序的远程调用，它有点慢。

    • 1

相关问题