详谈PHP编码转换问题


Posted in PHP onJuly 28, 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【往大了说是非ASCII】的测试,因为如果是ASCII的话,转来转去都是一样的,也用不着费那么大工夫。

还有就是这两个函数只是简单的实现了一下,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,大家如果明白了得话就可以尽情去扩展了。。。

以上所述就是本文的全部内容了,希望大家能够喜欢。

PHP 相关文章推荐
php另类上传图片的方法(PHP用Socket上传图片)
Oct 30 PHP
php通过字符串调用函数示例
Mar 02 PHP
一个简单的PHP验证码实现代码
May 10 PHP
php实现scws中文分词搜索的方法
Dec 25 PHP
是 WordPress 让 PHP 更流行了 而不是框架
Feb 03 PHP
PHP的Yii框架中创建视图和渲染视图的方法详解
Mar 29 PHP
轻松掌握php设计模式之访问者模式
Sep 23 PHP
PHP实现Session入库/存入redis的方法
May 04 PHP
php识别翻转iphone拍摄的颠倒图片
May 17 PHP
JSON PHP中,Json字符串反序列化成对象/数组的方法
May 31 PHP
PHP实现微信提现功能
Sep 30 PHP
关于PHP求解三数之和问题详析
Nov 09 PHP
php技术实现加载字体并保存成图片
Jul 27 #PHP
php实现向javascript传递数组的方法
Jul 27 #PHP
ThinkPHP模型详解
Jul 27 #PHP
ThinkPHP控制器详解
Jul 27 #PHP
ThinkPHP路由详解
Jul 27 #PHP
ThinkPHP安装和设置
Jul 27 #PHP
教你在PHPStorm中配置Xdebug
Jul 27 #PHP
You might like
php操作xml入门之cdata区段
2015/01/23 PHP
Javascript解决常见浏览器兼容问题的12种方法
2010/01/04 Javascript
jquery 插件开发备注
2010/08/27 Javascript
connect中间件session、cookie的使用方法分享
2014/06/17 Javascript
《JavaScript DOM 编程艺术》读书笔记之JavaScript 图片库
2015/01/09 Javascript
浅谈javascript实现八大排序
2015/04/27 Javascript
jquery.validate表单验证插件使用方法解析
2016/11/07 Javascript
火狐和ie下获取javascript 获取event的方法(推荐)
2016/11/26 Javascript
JavaScript 详解预编译原理
2017/01/22 Javascript
js实现截图保存图片功能的代码示例
2017/02/16 Javascript
微信小程序 开发之顶部导航栏实例代码
2017/02/23 Javascript
基于JS实现仿百度百家主页的轮播图效果
2017/03/06 Javascript
不得不看之JavaScript构造函数及new运算符
2017/08/21 Javascript
vue实现登陆登出的实现示例
2017/09/15 Javascript
微信小程序自定义prompt组件步骤详解
2018/06/12 Javascript
浅谈对于react-thunk中间件的简单理解
2019/05/01 Javascript
详解JavaScript 事件流
2020/09/02 Javascript
在vscode 中设置 vue模板内容的方法
2020/09/02 Javascript
Python多线程和队列操作实例
2015/06/21 Python
一份python入门应该看的学习资料
2018/04/11 Python
浅谈python3.x pool.map()方法的实质
2019/01/16 Python
Python3实现计算两个数组的交集算法示例
2019/04/03 Python
python实现kmp算法的实例代码
2019/04/03 Python
关于tensorflow的几种参数初始化方法小结
2020/01/04 Python
谈谈python垃圾回收机制
2020/09/27 Python
浅谈移动端网页图片预加载方案
2018/11/05 HTML / CSS
松下电器美国官方商店:Panasonic美国
2016/10/14 全球购物
俄罗斯香水和化妆品购物网站:Л’Этуаль
2018/05/10 全球购物
英国工作场所设备购买网站:Slingsby
2019/05/03 全球购物
编写用C语言实现的求n阶阶乘问题的递归算法
2014/10/21 面试题
几个Linux面试题笔试题
2012/12/01 面试题
学习党章思想汇报
2014/01/07 职场文书
室内设计专业毕业生求职信
2014/05/02 职场文书
项目合作协议书
2014/09/23 职场文书
2016年优秀党员教师先进事迹材料
2016/02/29 职场文书
Spring Cloud OpenFeign模版化客户端
2022/06/25 Java/Android