统计 UTF-8 字符（文字）个数 or counting UTF-8 characters

[lanlin]

背景

假如，你有一个蒸汽炸锅... 咳咳，不好意思，串台了。

假如，你需要写一个验证规则来限制文章标题和内容的长度，而你的产品又是面向全世界的...

一般我们会选择 UTF-8 来作为字符集，但 UTF-8 字符集一个字符所占的字节数不定 1-4个字节的范围。

因此 UTF-8 字符串的字节数跟实际的文字字符数不见得是相同的，单纯统计字符串的字节数是不准确的。

下面是不同编程语言的字符数统计方法备忘，欢迎补充

两个特殊字符串，供大家尝试

'I❤𠀰'        // 3 characters
'😹🐶😹🐶'  // 4 characters

[lanlin]

PHP

// 10 characters
\mb_strlen('hello 😹🐶😹🐶', 'UTF-8');

[lanlin]

Go

// 10 characters
len([]rune("hello 😹🐶😹🐶"))

[lanlin]

JavaScript

// 10 characters
[...'hello 😹🐶😹🐶'].length;

1. JavaScript has a Unicode problem
2. JavaScript 如何正确处理 Unicode 编码问题！

[lanlin]

Rust

use unicode_segmentation::UnicodeSegmentation;

// 10 characters
"hello 😹🐶😹🐶".graphemes(true).count();