Day.js 实战:如何获取所有时区及其偏移量信息
2025-05-01 10:48:21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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
383
457
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++
894
680
暂无简介
Dart
804
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
353
210
昇腾LLM分布式训练框架
Python
119
146
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781