PHP如何实现Unicode和Utf-8编码相互转换


Posted in PHP onJuly 29, 2015

最近恰好要用到unicode编码的转换,就去查了一下php的库函数,居然没找到一个函数可以对字符串进行Unicode的编码和解码!也罢,找不到的话就自己实现一下了。。。
Unicode和Utf-8编码的区别

Unicode是一个字符集,而UTF-8是Unicode的其中一种,Unicode是定长的都为双字节,而UTF-8是可变的,对于汉字来说Unicode占有的字节比UTF-8占用的字节少1个字节。Unicode为双字节,而UTF-8中汉字占三个字节。
UTF-8编码字符理论上可以最多到6个字节长,然而16位BMP(Basic Multilingual Plane)字符最多只用到3字节长。下面看一下UTF-8编码表:

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 的位置由字符编码数的二进制表示的位填入, 越靠右的 x 具有越少的特殊意义,只用最短的那个足够表达一个字符编码数的多字节串。 注意在多字节串中, 第一个字节的开头"1"的数目就是整个串中字节的数目。而第一行中以0开头,是为了兼容ASCII编码,为一个字节,第二行就为双字节字符串,第三行为3字节,如汉字就属于这种,以此类推。(个人认为:其实我们可以简单的把前面的1的个数看成字节数)

Unicode怎么转换成Utf-8呢

为了要将Unicode转换为UTF-8,当然要知道他们的区别到底在什么地方。下面来看一下,在Unicode中的编码是怎样转换成UTF-8的,在UTF-8中,如果一个字符的字节小于0x80(128)则为ASCII字符,占一个字节,可以不用转换,因为UTF-8兼容ASCII编码。假如在Unicode中汉字“你”的编码为“u4F60”,把它转换为二进制为100111101100000,然后按照UTF-8的方法进行转换。可以将Unicode二进制从低位往高位取出二进制数字,每次取6位,如上述的二进制就可以分别取出为如下所示的格式,前面按格式填补,不足8位用0填补。

unicode: 100111101100000                   4F60

utf-8:    11100100,10111101,10100000       E4BDA0

从上面就可以很直观的看出Unicode到UTF-8之间的转换,当然知道了UTF-8的格式后,就可以进行逆运算,就是按照格式把它在二进制中的相应位置上取出,然后在转换就是所得到的Unicode字符了(这个运算可以通过“位移”来完成)。如上述的“你”的转换,由于其值大于0x800小于0x10000,因此可以判断为三字节存储,则最高位需要向右移“12”位再根据三字节格式的最高位为11100000(0xE0)求或(|)就可以得到最高位的值了。同理第二位则是右移“6”位,则还剩下最高位和第二位的二进制值,可以通过与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(与111111(ox3F)取&),在与11000000(0x80)求或(|)。

Utf-8怎么逆转回Unicode呢

当然在UTF-8到Unicode的转换也是通过移位等来完成的,就是把UTF-8那些格式相应的位置的二进制数给揪出来。在上述例子中“你”为三个字节,因此要每个字节进行处理,有高位到低位进行处理。在UTF-8中“你”为11100100,10111101,10100000。从高位起即第一个字节11100100就是把其中的"0100"给取出来,这个很简单只要和11111(0x1F)取与(&),由三字节可以得知最到位肯定位于12位之前,因为每次取六位。所以还要将得到的结果左移12位,最高位也就这样完成了0100,000000,000000。而第二位则是要把“111101”给取出来,则只需将第二字节10111101和111111(0x3F)取与(&)。在将所得到的结果左移6位与最高字节所得的结果取或(|),第二位就这样完成了,得到的结果为0100,111101,000000。以此类推最后一位直接与111111(0x3F)取与(&),再与前面所得的结果取或(|)即可得到结果0100,111101,100000。

PHP代码实现: 

/**
 * utf8字符转换成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字符转换成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));
  //这里注意转换出来的code一定得是整形,这样才会正确的按位操作
  $ord_1 = decbin(0xe0 | ($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;
}

测试一下了

$utf8_str = '我';

//这是汉字“你”的Unicode编码
$unicode_str = '4f6b';

//输出 6211
echo utf8_str_to_unicode($utf8_str) . "<br/>";

//输出汉字“你”
echo unicode_str_to_utf8($unicode_str);

以上这些转换是针对中文汉字(非ASCII)的测试,并且只支持单个字符【一个完整的utf8字符或是一个完整的Unicode字符】互相转换,希望对大家的学习有所帮助。

PHP 相关文章推荐
论坛头像随机变换代码
Oct 09 PHP
php的计数器程序
Oct 09 PHP
一贴学会PHP 新手入门教程
Aug 03 PHP
php中强制下载文件的代码(解决了IE下中文文件名乱码问题)
May 09 PHP
php替换超长文本中的特殊字符的函数代码
May 22 PHP
phpexcel导出excel的颜色和网页中的颜色显示不一致
Dec 11 PHP
关于PHP自动判断字符集并转码的详解
Jun 26 PHP
CodeIgniter框架中_remap()使用方法2例
Mar 10 PHP
2个比较经典的PHP加密解密函数分享
Jul 01 PHP
PHP中对数组的一些常用的增、删、插操作函数总结
Nov 27 PHP
Yii2框架dropDownList下拉菜单用法实例分析
Jul 18 PHP
PHP文件上传小程序 适合初学者学习!
May 23 PHP
PHP模拟QQ登录的方法
Jul 29 #PHP
PHP实现动态web服务器方法
Jul 29 #PHP
php调用淘宝开放API实现根据卖家昵称获取卖家店铺ID的方法
Jul 29 #PHP
php简单防盗链实现方法
Jul 29 #PHP
如何用PHP来实现一个动态Web服务器
Jul 29 #PHP
php实现过滤字符串中的中文和数字实例
Jul 29 #PHP
php实现XSS安全过滤的方法
Jul 29 #PHP
You might like
Zerg建筑一览
2020/03/14 星际争霸
php中强制下载文件的代码(解决了IE下中文文件名乱码问题)
2011/05/09 PHP
php-redis中的sort排序函数总结
2015/07/08 PHP
JavaScript 数组循环引起的思考
2010/01/01 Javascript
jQuery选择器querySelector的使用指南
2015/01/23 Javascript
JS实现先显示大图后自动收起显示小图的广告代码
2015/09/04 Javascript
使用基于Node.js的构建工具Grunt来发布ASP.NET MVC项目
2016/02/15 Javascript
jQuery+CSS3文字跑马灯特效的简单实现
2016/06/25 Javascript
JS 实现 ajax 异步浏览器兼容问题
2017/01/21 Javascript
引入JavaScript时alert弹出框显示中文乱码问题
2017/09/16 Javascript
在vue中通过axios异步使用echarts的方法
2018/01/13 Javascript
详解ES6中的三种异步解决方案
2018/06/28 Javascript
微信小程序实现菜单左右联动
2020/05/19 Javascript
Vue3 实现双盒子定位Overlay的示例
2020/12/22 Vue.js
[46:59]完美世界DOTA2联赛PWL S2 GXR vs Ink 第二场 11.19
2020/11/20 DOTA
[01:09:13]DOTA2-DPC中国联赛 正赛 CDEC vs XG BO3 第三场 1月19日
2021/03/11 DOTA
Python json模块与jsonpath模块区别详解
2020/03/05 Python
详解Django关于StreamingHttpResponse与FileResponse文件下载的最优方法
2021/01/07 Python
缅甸网上购物:Shop.com.mm
2017/12/05 全球购物
创造美妙香氛体验:Aera扩散器和香水
2018/11/25 全球购物
巴西化妆品商店:Lojas Rede
2019/07/26 全球购物
新东方旗下远程教育网站:新东方在线
2020/03/19 全球购物
Cecil Mode法国在线商店:女性时尚
2021/01/08 全球购物
2014年班主任自我评价范文
2014/04/23 职场文书
药品营销专业毕业生自荐信
2014/07/02 职场文书
临床医学专业求职信
2014/08/08 职场文书
收款委托书范本
2014/09/11 职场文书
中级会计大学生职业生涯规划书
2014/09/16 职场文书
授权收款委托书
2014/09/23 职场文书
2015年英语教研组工作总结
2015/05/23 职场文书
2016特色励志班级口号
2015/12/24 职场文书
2016先进工作者事迹材料
2016/02/25 职场文书
Python 实现绘制子图及子图刻度的变换等问题
2021/05/31 Python
MySQL分区表管理命令汇总
2022/03/21 MySQL
python基础之//、/与%的区别详解
2022/06/10 Python
SQL中的连接查询详解
2022/06/21 SQL Server