国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

PHP實(shí)現(xiàn)Unicode和Utf-8編碼的互相轉(zhuǎn)換

qianfeng / 573人閱讀

摘要：假如在中漢字你的編碼為，把它轉(zhuǎn)換為二進(jìn)制為，然后按照的方法進(jìn)行轉(zhuǎn)換。在將所得到的結(jié)果左移位與最高字節(jié)所得的結(jié)果取或，第二位就這樣完成了，得到的結(jié)果為。

  
最近恰好要用到unicode編碼的轉(zhuǎn)換，就去查了一下php的庫函數(shù)，居然沒找到一個函數(shù)可以對字符串進(jìn)行Unicode的編碼和解碼！也罷，找不到的話就自己實(shí)現(xiàn)一下了。。。
Unicode和Utf-8編碼的區(qū)別

Unicode是一個字符集，而UTF-8是Unicode的其中一種，Unicode是定長的都為雙字節(jié)，而UTF-8是可變的，對于漢字來說Unicode占有的字節(jié)比UTF-8占用的字節(jié)少1個字節(jié)。Unicode為雙字節(jié)，而UTF-8中漢字占三個字節(jié)。
UTF-8編碼字符理論上可以最多到6個字節(jié)長,然而16位BMP（Basic Multilingual Plane）字符最多只用到3字節(jié)長。下面看一下UTF-8編碼表：

U-00000000 - U-0000007F: 0xxxxxxx 
U-00000080 - U-000007FF: 110xxxxx 10xxxxxx 
U-00000800 - U-0000FFFF: 1110xxxx 10xxxxxx 10xxxxxx 
U-00010000 - U-001FFFFF: 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 
U-00200000 - U-03FFFFFF: 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 
U-04000000 - U-7FFFFFFF: 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

xxx 的位置由字符編碼數(shù)的二進(jìn)制表示的位填入， 越靠右的 x 具有越少的特殊意義，只用最短的那個足夠表達(dá)一個字符編碼數(shù)的多字節(jié)串。 注意在多字節(jié)串中, 第一個字節(jié)的開頭"1"的數(shù)目就是整個串中字節(jié)的數(shù)目。而第一行中以0開頭，是為了兼容ASCII編碼，為一個字節(jié)，第二行就為雙字節(jié)字符串，第三行為3字節(jié)，如漢字就屬于這種，以此類推。(個人認(rèn)為：其實(shí)我們可以簡單的把前面的1的個數(shù)看成字節(jié)數(shù))

Unicode怎么轉(zhuǎn)換成Utf-8呢

為了要將Unicode轉(zhuǎn)換為UTF-8，當(dāng)然要知道他們的區(qū)別到底在什么地方。下面來看一下，在Unicode中的編碼是怎樣轉(zhuǎn)換成UTF-8的，在UTF-8中，如果一個字符的字節(jié)小于0x80（128）則為ASCII字符，占一個字節(jié)，可以不用轉(zhuǎn)換，因?yàn)閁TF-8兼容ASCII編碼。假如在Unicode中漢字“你”的編碼為“u4F60”，把它轉(zhuǎn)換為二進(jìn)制為100111101100000，然后按照UTF-8的方法進(jìn)行轉(zhuǎn)換。可以將Unicode二進(jìn)制從低位往高位取出二進(jìn)制數(shù)字，每次取6位，如上述的二進(jìn)制就可以分別取出為如下所示的格式，前面按格式填補(bǔ)，不足8位用0填補(bǔ)。

unicode: 100111101100000                   4F60

utf-8:    11100100,10111101,10100000       E4BDA0

從上面就可以很直觀的看出Unicode到UTF-8之間的轉(zhuǎn)換，當(dāng)然知道了UTF-8的格式后，就可以進(jìn)行逆運(yùn)算，就是按照格式把它在二進(jìn)制中的相應(yīng)位置上取出，然后在轉(zhuǎn)換就是所得到的Unicode字符了（這個運(yùn)算可以通過“位移”來完成）。如上述的“你”的轉(zhuǎn)換，由于其值大于0x800小于0x10000，因此可以判斷為三字節(jié)存儲，則最高位需要向右移“12”位再根據(jù)三字節(jié)格式的最高位為11100000（0xE0）求或（|）就可以得到最高位的值了。同理第二位則是右移“6”位，則還剩下最高位和第二位的二進(jìn)制值，可以通過與111111（0x3F）求按位于（&）操作，再和11000000（0x80）求或（|）。第三位就不用移位了，只要直接取最后六位（與111111（ox3F）取&），在與11000000(0x80)求或（|）。

Utf-8怎么逆轉(zhuǎn)回Unicode呢

當(dāng)然在UTF-8到Unicode的轉(zhuǎn)換也是通過移位等來完成的，就是把UTF-8那些格式相應(yīng)的位置的二進(jìn)制數(shù)給揪出來。在上述例子中“你”為三個字節(jié)，因此要每個字節(jié)進(jìn)行處理，有高位到低位進(jìn)行處理。在UTF-8中“你”為11100100,10111101,10100000。從高位起即第一個字節(jié)11100100就是把其中的"0100"給取出來，這個很簡單只要和11111（0x1F）取與（&），由三字節(jié)可以得知最到位肯定位于12位之前，因?yàn)槊看稳×?。所以還要將得到的結(jié)果左移12位，最高位也就這樣完成了0100,000000,000000。而第二位則是要把“111101”給取出來，則只需將第二字節(jié)10111101和111111(0x3F)取與（&）。在將所得到的結(jié)果左移6位與最高字節(jié)所得的結(jié)果取或（|），第二位就這樣完成了，得到的結(jié)果為0100,111101,000000。以此類推最后一位直接與111111（0x3F）取與（&），再與前面所得的結(jié)果取或（|）即可得到結(jié)果0100,111101,100000。

PHP代碼實(shí)現(xiàn) 
/**
 * utf8字符轉(zhuǎn)換成Unicode字符
 * @param  [type] $utf8_str Utf-8字符
 * @return [type]           Unicode字符
 */
function utf8_str_to_unicode($utf8_str) {
    $unicode = 0;
    $unicode = (ord($utf8_str[0]) & 0x1F) << 12;
    $unicode |= (ord($utf8_str[1]) & 0x3F) << 6;
    $unicode |= (ord($utf8_str[2]) & 0x3F);
    return dechex($unicode);
}

/**
 * Unicode字符轉(zhuǎn)換成utf8字符
 * @param  [type] $unicode_str Unicode字符
 * @return [type]              Utf-8字符
 */
function unicode_to_utf8($unicode_str) {
    $utf8_str = "";
    $code = intval(hexdec($unicode_str));
    //這里注意轉(zhuǎn)換出來的code一定得是整形，這樣才會正確的按位操作
    $ord_1 = decbin(0xe0 | ($code >> 12));
    $ord_2 = decbin(0x80 | (($code >> 6) & 0x3f));
    $ord_3 = decbin(0x80 | ($code & 0x3f));
    $utf8_str = chr(bindec($ord_1)) . chr(bindec($ord_2)) . chr(bindec($ord_3));
    return $utf8_str;
}
測試一下了 
$utf8_str = "我";

//這是漢字“你”的Unicode編碼
$unicode_str = "4f6b";

//輸出 6211
echo utf8_str_to_unicode($utf8_str) . "
";

//輸出漢字“你”
echo unicode_str_to_utf8($unicode_str);

以上這些轉(zhuǎn)換是針對中文漢字【往大了說是非ASCII】的測試，因?yàn)槿绻茿SCII的話，轉(zhuǎn)來轉(zhuǎn)去都是一樣的，也用不著費(fèi)那么大工夫。
還有就是這兩個函數(shù)只是簡單的實(shí)現(xiàn)了一下，只支持單個字符【一個完整的utf8字符或是一個完整的Unicode字符】互相轉(zhuǎn)換，大家如果明白了得話就可以盡情去擴(kuò)展了。。。

文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請注明本文地址：http://specialneedsforspecialkids.com/yun/21033.html

相關(guān)文章

  • WebSocket系列之字符串如何與二進(jìn)制數(shù)據(jù)間進(jìn)行互相轉(zhuǎn)換

    摘要：總結(jié)通過使用和，我們能夠在數(shù)據(jù)和二進(jìn)制數(shù)據(jù)中進(jìn)行互相轉(zhuǎn)換。下一篇系列相關(guān)的博客，將會介紹如何通過來向后端傳遞二進(jìn)制數(shù)據(jù)，以及如何處理通過收到的二進(jìn)制數(shù)據(jù)。 概述 上一篇博客我們說到了如何進(jìn)行數(shù)字類型（如Short、Int、Long類型）如何在JavaScript中進(jìn)行二進(jìn)制轉(zhuǎn)換，如果感興趣的可以可以閱讀本系列第二篇博客——WebSocket系列之JavaScript中數(shù)字?jǐn)?shù)據(jù)如何轉(zhuǎn)換為...

    stackfing 評論0 收藏0

  • JavaScript如何實(shí)現(xiàn)UTF-16編碼轉(zhuǎn)換為UTF-8編碼——utfx.js源碼解析

    摘要：編碼轉(zhuǎn)換為編碼下面讓我們來看下如何將編碼的數(shù)據(jù)轉(zhuǎn)換為編碼的數(shù)據(jù)。該方法是將碼進(jìn)行編碼轉(zhuǎn)換，從而得到編碼的數(shù)據(jù)。 概述 當(dāng)你在前端需要通過二進(jìn)制數(shù)據(jù)與服務(wù)端進(jìn)行通信時，你可能會遇到二進(jìn)制數(shù)據(jù)的編碼問題。大部分服務(wù)端的字符串編碼類型都為UTF-8，而JavaScript中字符串編碼類型是UTF-16，因此，你需要一個能夠?qū)⒆址趦煞N編碼方式間進(jìn)行轉(zhuǎn)換的方法。 本文通過對utfx.js這個...

    maybe_009 評論0 收藏0

  • Python編碼問題及中文解決方案

    摘要：中國人民看到這樣很不錯，于是就把這種漢字方案叫做。結(jié)果擴(kuò)展之后的編碼方案被稱為標(biāo)準(zhǔn)，包括了的所有內(nèi)容，同時又增加了近個新的漢字包括繁體字和符號。 聲明：文章借鑒自【徹底搞懂 python 中文亂碼問題】 一. 各種編碼的由來 1.1 ASCII編碼 很久很久以前，有一群人，他們決定用8個可以開合的晶體管來組合成不同的狀態(tài)，以表示世界上的萬物。他們看到8個開關(guān)狀態(tài)是好的，于是他們把這稱為...

    kevin 評論0 收藏0

  • Unicode中UTF-8與UTF-16編碼詳解

    摘要：概念是一種針對的可變長度字符編碼，又稱萬國碼。通過上面的介紹我們可以知道，是一種非常通用的可變長字符編碼方式。概念是字符編碼五層次模型的第三層字符編碼表，也稱為的一種實(shí)現(xiàn)方式。 概述 本文通過介紹Unicode編碼以及對應(yīng)的兩種編碼方式UTF-8和UTF-16，讓讀者能夠了解關(guān)于字符串編碼的相關(guān)知識，同時能夠弄清楚Unicode和UTF-8和UTF-16之間的關(guān)系。 本文的主要內(nèi)容為：...

    cod7ce 評論0 收藏0

  • python編碼的意義

    摘要：而他們的中文釋義，就是對新手的最大陷阱編碼。而碼，也就是美國信息交換標(biāo)準(zhǔn)碼，年發(fā)布，位字符編碼中影響最大的一種。 編碼，還是編碼！ python2的直鉤——編碼異常 當(dāng)你用python打開一篇中文文檔，準(zhǔn)備讀取里面的數(shù)據(jù)開始實(shí)驗(yàn)...當(dāng)你處理好你的數(shù)據(jù)，打算打印出易于閱讀的結(jié)果給boss檢查...甚至當(dāng)你剛剛開始編寫自己的代碼，就寫了一句話... text = 什么鬼 只要你開始運(yùn)行自...

    e10101 評論0 收藏0

發(fā)表評論

0條評論

最新活動
閱讀需要支付1元查看
<