Day.js 实战:如何获取所有时区及其偏移量信息
2025-05-01 13:34:15作者:宣聪麟
概述
在现代Web开发中,处理时区信息是一个常见需求。本文将介绍如何使用JavaScript原生API结合Day.js库来获取完整的时区列表及其对应的GMT偏移量信息,这对于构建国际化应用或需要显示时区选择器的场景非常有用。
核心实现方案
1. 获取支持的时区列表
现代浏览器提供了Intl.supportedValuesOf('timeZone')方法,可以直接获取当前环境支持的所有时区名称:
const availableTimeZones = Intl.supportedValuesOf('timeZone');
这个方法返回一个字符串数组,包含了所有可用的时区标识符,如"America/New_York"、"Asia/Shanghai"等。
2. 计算时区偏移量
要计算特定时区相对于UTC的当前偏移量,我们可以使用以下函数:
function getTodaysOffset(timeZone = 'UTC') {
const today = new Date();
const utcDate = new Date(today.toLocaleString('en-US', { timeZone: 'UTC' }));
const tzDate = new Date(today.toLocaleString('en-US', { timeZone }));
return (tzDate.getTime() - utcDate.getTime()) / (60 * 1000);
}
这个函数通过比较同一时刻在UTC和目标时区的本地时间,计算出两者之间的分钟差。
3. 格式化GMT偏移量
将计算得到的分钟偏移量转换为"GMT±HH:MM"格式:
function convertOffsetToGMT(offset) {
const sign = offset >= 0 ? "+" : "-";
const absOffset = Math.abs(offset);
const hours = Math.floor(absOffset / 60);
const minutes = absOffset % 60;
const formattedHours = hours.toString().padStart(2, '0');
const formattedMinutes = minutes.toString().padStart(2, '0');
return `GMT${sign}${formattedHours}:${formattedMinutes}`;
}
4. 组合完整时区信息
将上述功能组合起来,生成包含时区名称、偏移量和GMT格式的完整列表:
const timeZonesWithOffset = availableTimeZones.map((tz) => {
const offsetInMinutes = getTodaysOffset(tz);
return {
name: tz,
offset: offsetInMinutes,
gmt: convertOffsetToGMT(offsetInMinutes)
};
});
进阶优化
-
性能考虑:对于大量时区的计算,可以考虑缓存结果,因为时区偏移量在短时间内不会变化。
-
排序处理:可以根据偏移量对时区进行排序,方便用户查找:
timeZonesWithOffset.sort((a, b) => a.offset - b.offset);
-
时区分组:可以按大陆/国家将时区分组显示,提升用户体验。
-
夏令时处理:注意某些时区在不同季节可能有不同的偏移量,需要根据日期动态计算。
与Day.js结合
虽然上述方案使用了原生JavaScript API,但可以轻松与Day.js集成:
import dayjs from 'dayjs';
import utc from 'dayjs/plugin/utc';
import timezone from 'dayjs/plugin/timezone';
dayjs.extend(utc);
dayjs.extend(timezone);
// 使用Day.js获取时区偏移量
function getOffsetWithDayjs(timeZone) {
return dayjs().tz(timeZone).utcOffset();
}
总结
本文介绍了获取完整时区列表及其偏移量信息的完整方案。通过结合JavaScript原生API和Day.js库,开发者可以轻松构建时区选择器等组件,满足国际化应用的需求。这种方法不仅高效可靠,还能适应各种复杂的时区规则,包括夏令时等特殊情况。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492