如何计算字符串的长度：区分字符与字节

如何计算字符串的长度，核心分为字符计数和字节计数两种方式，字符计数统计文本里可见与不可见字符的总个数，字节计数统计存储占用空间，不同编程语言默认规则不一样，UTF-8编码下中文单个汉字通常占3字节，ASCII英文字符占1字节，该方法适用于代码开发、接口参数校验、表单输入限制场景，不适合二进制文件、加密流数据的长度统计。

如何计算字符串的长度：主流编程语言实现

Python中使用内置len()函数获取字符数量，len("测试ab")返回4，它直接按Unicode字符统计，不会自动换算字节；想要拿到字节长度，需要先调用encode指定编码，"测试ab".encode("utf-8")之后再套len，得到的结果就是字节数。JavaScript里string.length属性统计UTF-16码元，部分emoji这类代理对字符会被记成2个单位，和肉眼看到的字符数量不一致，这是很容易出现偏差的地方。Java的String.length()同样统计UTF-16码元，Charset类可以转换为字节数组再获取字节长度。

你在前端表单限制输入字数时，大多业务需求是按视觉字符计数，直接使用JavaScript的length会出现emoji少算的问题，这时可以用Array.from()转换字符串再取长度，Array.from("😀a").length可以正确返回2，规避代理对拆分带来的统计错误。后端接口校验传输大小的时候，优先读取字节长度，因为网络传输、数据库存储都以字节作为容量单位，只看字符数量会出现超出存储上限的报错。

编码是决定字节长度的关键变量。

同一个中文汉字，在GBK编码下占用2字节，UTF-8编码下占用3字节，UTF-16编码下占用2字节，编码切换之后，字节长度会直接变化，字符数量不会跟着改变。很多新手会混淆这两个指标，把字节长度当成展示给用户的字数上限，造成用户看到的可输入文字和后台校验结果不一致。做跨端项目时，前后端编码统一是基础，前后端如果一个用UTF-8一个用GBK，同一串字符串算出来的字节数会完全不同，引发参数校验失败。

空白字符、换行符、制表符都会计入字符长度，空格、\n、\t都属于独立Unicode字符，统计时不会自动剔除。如果你只想要有效文字长度，需要先写过滤逻辑，把这类空白控制字符移除之后再执行长度计算。比如用户输入全是空格的内容，直接调用长度函数会返回大于0的数值，业务上判定为空输入时，必须增加预处理步骤。

空字符串的字符长度固定为0，字节长度同样为0。

空字符串和只包含空白字符的字符串要分开处理，这是业务校验里高频出错点。空字符串代表没有任何内容，而空白字符串是存在字符，只是肉眼看不到，二者在数据库、接口校验中的判定逻辑通常不一样。你写校验代码时，先判断是不是空白内容，再判断长度，顺序不能颠倒。

当字符串包含不可见的零宽字符，比如零宽空格、零宽连字，常规长度计算函数会把它算作一个字符，这类字符不会在页面上渲染出来，会造成页面看着很短，实际长度超标。内容审核场景下，需要额外增加正则过滤零宽字符，再重新计算长度，避免恶意绕过字数限制。

该方法的适用边界是纯文本字符串，二进制流、图片base64、压缩数据不能直接套用字符串长度函数，base64本身是编码后的文本，它的字符长度不等于原始文件字节大小，需要单独解码之后再计算原始数据长度。

你调试的时候可以准备一组固定测试样例，包含中文、英文、数字、emoji、换行、零宽字符，分别打印字符长度和UTF-8字节长度，对照结果确认逻辑是否符合业务预期，固定测试用例可以稳定复现统计偏差，快速定位编码或者特殊字符带来的问题。