簡單談談php中的unicode和utf8編碼

2020-03-22 18:02:49

字體：大中小

來源：轉載

供稿：網友

重新認識unicode和utf8編碼直到今天，準確的說是剛才，我才知道UTF-8編碼和Unicode編碼是不一樣的，是有區別的囧
他們之間是有一定的聯系的，看看他們的區別：
UTF-8的長度是不一定的，有可能是1、2、3字節
Unicode長度一定，2個字節（USC-2）
UTF-8可以和Unicode互相轉換unicode和utf8的關系Unicode(16進制)UTF-8(二進制)0000 - 007F 0xxxxxxx
0080 - 07FF 110xxxxx 10xxxxxx
0800 - FFFF 1110xxxx 10xxxxxx 10xxxxxx上面的表格有2個意思，第一個顯而易見就是說Unicode和UTF-8字符范圍的對應，還有一個可以看出Unicode怎么和UTF-8互相轉換：先說UTF-8到Unicode的轉換UTF-8編碼的二進制和上面的3種格式進行匹配，匹配到之后去掉固定位（表格中的非x位置），然后從右到左每8位一組，不夠8位左邊不領，湊夠2個字節16 bits，這16 bits所表示的就是UTF-8對應的Unicode編碼，看看下面幾個例子：上面圖片中的文字編碼格式為UTF-8，可以用WinHex看到其16進制表示
復制代碼代碼如下:
字符= UTF-8 = UTF-8二進制= 去掉固定位置湊夠16位的二進制 = 16進制漢 = E6B189 = 11100110 10110001 10001001= 01101100 01001001 = 6C49
字 = E5AD97 = 11100101 10101101 10010111= 0101101101010111 = 5B57#下面是在chrome命令行下面運行的結果
'/u6C49'
"漢"
'/u5B57'
"字"#到這里的話，從UTF-8轉換到Unicode已經是一件非常容易的事了，看看轉換的偽代碼
讀取一個字節，11100110
判斷該UTF-8字符的格式，屬于第三種，3個字節
繼續讀取2個字節得到 11100101 10101101 10010111
按照格式去掉固定位 1011011 01010111
不夠16位，左邊補零 01011011 01010111 = 5B57
再看看從Unicode到UTF-8的轉換
復制代碼代碼如下:
5B57
獲取5B57所在的Unicode范圍，0800 = 5B57 = FFFF，得知5B57的UTF-8有三個字節，形式為1110xxxx 10xxxxxx 10xxxxxx
獲取5B57的二進制編碼 101101101010111
用上一步驟的二進制編碼從右至左拼接UTF-8編碼 11100101 10101101 10010111
說說問題再說說今天這個問題的起因，從前端輸入很多單詞，UTF-8格式每個詞最多30個字節，因此會在前端和后臺分別做驗證，javascript用的是Unicode編碼，后端程序用的是UTF-8編碼，現在的解決辦法是這樣前端
function utf8_bytes(str) var len = 0, unicode; for(var i = 0; i str.length; i++) unicode = str.charCodeAt(i); if(unicode 0x0080) { ++len; } else if(unicode 0x0800) { len += 2; } else if(unicode = 0xFFFF) { len += 3; }else { throw "characters must be USC-2!!" return len;utf8_bytes('asdasdas')utf8_bytes('yrt燕睿濤')后臺
#對于GBK字符串$len = ceil(strlen(bin2hex(iconv('GBK', 'UTF-8', $word)))/2);#對于UTF8字符串$len = ceil(strlen(bin2hex($word))/2);以上所述就是本文的全部內容了，希望大家能夠喜歡。PHP教程

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。

上一篇：PHP二維數組實現去除重復項的方法

下一篇：php如何發送電子郵件？PHP mail（）函數實現發送郵件