文字数： 0
UTF-8 でのバイト数： 0
サロゲートペアの数： 0
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
| <!DOCTYPE html> | |
| <html> | |
| <!-- | |
| * Copyright (C) 2013 Neo Visionaries Inc. | |
| * | |
| * Licensed under the Apache License, Version 2.0 (the "License"); | |
| * you may not use this file except in compliance with the License. | |
| * You may obtain a copy of the License at | |
| * | |
| * http://www.apache.org/licenses/LICENSE-2.0 | |
| * | |
| * Unless required by applicable law or agreed to in writing, software | |
| * distributed under the License is distributed on an "AS IS" BASIS, | |
| * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. | |
| * See the License for the specific language governing permissions and | |
| * limitations under the License. | |
| --> | |
| <head> | |
| <meta http-equiv="Content-Type" value="text/html;charset=UTF-8"/> | |
| <meta name="author" content="Takahiko Kawasaki"> | |
| <title>JavaScript で文字数、UTF-8 でのバイト数、サロゲートペアの数を数える</title> | |
| <script type="text/javascript"> | |
| function compute_bytes_in_utf8(codePoint) | |
| { | |
| // Unicode のコードポイントと、それを UTF-16BE で符号化した | |
| // ときの値は等しい。ただし、U+FFFF 以上のコードポイントは除く。 | |
| if (codePoint <= 0x007F) | |
| { | |
| // U+0000 - U+007F: UTF-8 で 1 バイト | |
| return 1; | |
| } | |
| else if (codePoint <= 0x07FF) | |
| { | |
| // U+0080 - U+07FF: UTF-8 で 2 バイト | |
| return 2; | |
| } | |
| else if (codePoint <= 0xD7FF) | |
| { | |
| // U+0800 - U+D7FF: UTF-8 で 3 バイト | |
| return 3; | |
| } | |
| else if (codePoint <= 0xDFFF) | |
| { | |
| // 0xD800 - 0xDBFF: 上位サロゲート | |
| // 0xDC00 - 0xDFFF: 下位サロゲート | |
| // | |
| // サロゲートペアで表現される範囲は U+10000 ～ U+10FFFF で、 | |
| // この範囲の文字は UTF-8 で符号化したとき 4 バイトとなる。 | |
| // ちょうどいい具合に、4 は 2 で割り切れる (ここで 2 とは、 | |
| // 上位サロゲート一つと下位サロゲート合わせて二つという意味)。 | |
| // そのため、この実装でここで 2 (= 4 / 2) を返す。 | |
| return 2; | |
| } | |
| else if (codePoint <= 0xFFFF) | |
| { | |
| // U+E000 - U+FFFF: UTF-8 で 3 バイト | |
| return 3; | |
| } | |
| else | |
| { | |
| // U+10000 - ...: UTF-16 ではここには来ない。 | |
| return 0; | |
| } | |
| } | |
| function count_up() | |
| { | |
| // 入力と出力に用いる HTML 要素 | |
| var input = document.getElementById("input").value; | |
| var outputLetters = document.getElementById("outputLetters"); | |
| var outputBytes = document.getElementById("outputBytes") | |
| var outputPairs = document.getElementById("outputPairs") | |
| // 文字数、UTF-8 でのバイト数、サロゲートペア数のカウンター | |
| var nLetters = 0; | |
| var nBytes = 0; | |
| var nPairs = 0; | |
| // 入力文字列に含まれる各コードポイントごとに | |
| for (var i = 0; i < input.length; ++i) | |
| { | |
| // その位置にある文字のコードポイントを取得する。 | |
| // | |
| // charCodeAt() は常に 65,536 より小さい値を返す。より大きい | |
| // コードポイント (= U+10000 以上) は、サロゲートペアを用いて | |
| // 表現される。 | |
| var codePoint = input.charCodeAt(i); | |
| // 下位サロゲートの範囲でなければ | |
| if (codePoint <= 0xDBFF || 0xE000 <= codePoint) | |
| { | |
| // 文字数を数える | |
| ++nLetters; | |
| } | |
| // 上位サロゲートの範囲ならば | |
| if (0xD800 <= codePoint && codePoint <= 0xDBFF) | |
| { | |
| // サロゲートペア数を数える | |
| ++nPairs; | |
| } | |
| // UTF-8 で符号化したときのバイト数を計算する。 | |
| nBytes += compute_bytes_in_utf8(codePoint); | |
| } | |
| // 結果を書く | |
| outputLetters.innerHTML = nLetters; | |
| outputBytes.innerHTML = nBytes; | |
| outputPairs.innerHTML = nPairs; | |
| } | |
| </script> | |
| <body> | |
| <!-- 入力 --> | |
| <input id="input" type="text" onInput="count_up()"><br/><br/> | |
| <!-- 出力: 文字数 --> | |
| 文字数： <span id="outputLetters">0</span><br/> | |
| <!-- 出力: UTF-8 でのバイト数 --> | |
| UTF-8 でのバイト数： <span id="outputBytes">0</span><br/> | |
| <!-- 出力: サロゲートペアの数 --> | |
| サロゲートペアの数： <span id="outputPairs">0</span><br/> | |
| </body> | |
| </html> |
