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
如何使用PHP中的字符串函数
Nov 24 PHP
php完全过滤HTML,JS,CSS等标签
Jan 16 PHP
php 信息采集程序代码
Mar 17 PHP
不要轻信 PHP_SELF的安全问题
Sep 05 PHP
php XMLWriter类的简单示例代码(RSS输出)
Sep 30 PHP
CodeIgniter采用config控制的多语言实现根据浏览器语言自动转换功能
Jul 18 PHP
php采用curl模仿登录人人网发布动态的方法
Nov 07 PHP
PHP中使用Imagick操作PSD文件实例
Jan 26 PHP
PHP结合jQuery实现找回密码
Jul 22 PHP
详解PHP的抽象类和抽象方法以及接口总结
Mar 15 PHP
详解PHP 7.4 中数组延展操作符语法知识点
Jul 19 PHP
jQuery+PHP实现图片上传并提交功能
Jul 27 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
删除无限级目录与文件代码共享
2006/07/12 PHP
通用PHP动态生成静态HTML网页的代码
2010/03/04 PHP
PHP中使用json数据格式定义字面量对象的方法
2014/08/20 PHP
php强制更新图片缓存的方法
2015/02/11 PHP
php+websocket 实现的聊天室功能详解
2020/05/27 PHP
载入进度条 效果
2006/07/08 Javascript
JS获取IP、MAC和主机名的五种方法
2013/11/14 Javascript
js arguments,jcallee caller用法总结
2013/11/30 Javascript
js控制input输入字符解析
2013/12/27 Javascript
Javascript变量的作用域和作用域链详解
2015/04/02 Javascript
深入分析JSON编码格式提交表单数据
2015/06/25 Javascript
Highcharts 多个Y轴动态刷新数据的实现代码
2016/05/28 Javascript
跨域请求的完美解决方法(JSONP, CORS)
2016/06/12 Javascript
jQuery插件 Jqplot图表实例
2016/06/18 Javascript
vue开发心得和技巧分享
2016/10/27 Javascript
ES6中Math对象新增的方法实例详解
2017/04/25 Javascript
Angular.Js中ng-include指令的使用与实现
2017/05/07 Javascript
vue.js如何更改默认端口号8080为指定端口的方法
2017/07/14 Javascript
实现一个完整的Node.js RESTful API的示例
2017/09/29 Javascript
详解js中Array的方法及技巧
2018/09/12 Javascript
javascript实现小型区块链功能
2019/04/03 Javascript
利用Python爬取可用的代理IP
2016/08/18 Python
Python编程实现的图片识别功能示例
2017/08/03 Python
Python探索之爬取电商售卖信息代码示例
2017/10/27 Python
理论讲解python多进程并发编程
2018/02/09 Python
python实现监控某个服务 服务崩溃即发送邮件报告
2018/06/21 Python
PyQt5实现类似别踩白块游戏
2019/01/24 Python
python实现猜单词游戏
2020/05/22 Python
浅析python字符串前加r、f、u、l 的区别
2021/01/24 Python
利用css3实现的简单的鼠标悬停按钮
2014/11/04 HTML / CSS
The North Face北面英国官网:美国著名户外品牌
2017/12/13 全球购物
Servlet方面面试题
2016/09/28 面试题
PHP引擎php.ini参数优化深入讲解
2021/03/24 PHP
优秀英语专业毕业生求职信
2013/11/23 职场文书
机械专业毕业生自我鉴定2014
2014/10/04 职场文书
Ruby序列化和持久化存储 Marshal和Pstore介绍
2022/04/18 Ruby