unicode utf8 php_PHP实现Unicode和Utf-8编码的互相转换

最近正好需要用到编码转换，于是查了一下PHP的库函数，没有找到可以对字符串进行编码和解码的函数！ 好吧，如果你找不到它，那就自己实现吧。 。 .Utf-8编码与Utf-8编码的区别

它是一种字符集，UTF-8就是其中之一。 它是固定长度并且是双字节的，而UTF-8是可变的。 对于汉字来说，它比UTF-8占用更多的字节。 少 1 个字节。 是双字节，而UTF-8中的汉字占用三个字节。

UTF-8编码的字符理论上最多可以有6个字节长，但16位BMP（Basic Plane）字符最多只能有3个字节长。 我们看一下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 

登录后复制

xxx 的位置由字符编码数的二进制表示形式所表示的位填充。 越往右，x 的特殊含义就越少。 仅用最短的一个来表示一个字符编码数的多字节字符串。 注意，在多字节字符串中，第一个字节开头的“1”的数量就是整个字符串的字节数。 第一行以0开头是为了兼容ASCII编码，是一个字节，第二行是双字节字符串，第三行是3个字节，比如汉字等等。 （个人观点：其实我们可以简单的把前面1的个数看成字节数）

如何转换为 UTF-8

为了转换为UTF-8，你当然需要知道其中的区别。 我们来看一下in的编码是如何转换为UTF-8的。 在UTF-8中，如果一个字符的字节小于0x80（128），那么它就是一个ASCII字符，占用一个字节，不需要转换，因为UTF-8兼容ASCII编码。 如果汉字“你”的编码是“u4F60”，则将其转换为二进制为0000，然后按照UTF-8的方法进行转换。 二进制数可以从低位到高位取出，一次取出6位。 例如，可以将上述二进制数取出为如下所示的格式。 前面的按照格式填充，不足8位的用0填充。

unicode: 100111101100000                   4F60utf-8:    11100100,10111101,10100000       E4BDA0

登录后复制

从上面可以直观的看到到UTF-8的转换。 当然，知道了UTF-8的格式之后，就可以进行逆操作了，即根据格式在二进制中对应的位置取出来，然后转换就是得到的字符（这个操作可以是通过“位移”完成）。 例如上面“you”的转换，由于其值大于0x800且小于0x800，所以可以判断为三字节存储。 那么最高位需要右移“12”位，那么三字节格式中的最高位就是（0xE0）。 或者(|)可以获得最高值。 同理，第二位右移“6”位，左移最高位和第二位的二进制值。 可以通过AND（0x3F）计算并位于（&）处，然后与（0x80）或（|）相加。 第三位不需要移位，直接取后六位即可（&(ox3F)得到&），与（0x80）求或（|）。

如何将utf-8反转回来

当然，UTF-8到UTF-8的转换也是通过移位等方式完成的，也就是提取UTF-8格式对应位置的二进制数。 在上面的例子中，“you”是三个字节，所以每个字节都必须从高位到低位进行处理。 在 UTF-8 中，“你”是，，。 从高位开始，即第一个字节，取出“0100”。 这很简单。 只需将 AND (&) 与 11111 (0x1F) 进行运算即可。 从这三个字节我们可以知道最高位一定在第12位之前。 因为每次都需要六位数字。 因此，得到的结果需要左移12位，最高位补全为0100,,。 第二位是取出“”，只需要将第二个字节与（0x3F）进行AND（&）即可。 将得到的结果左移6位，取最高字节或（|）得到的结果，补全第二位，得到的结果为0100，。 以此类推，最后一位直接与（0x3F）进行与（&）运算，再与之前的结果进行或（|）运算，得到结果0100,,。

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;}

登录后复制

测试过

$utf8_str = '我';//这是汉字“你”的Unicode编码$unicode_str = '4f6b';//输出 6211echo utf8_str_to_unicode($utf8_str) . "
";//输出汉字“你”echo unicode_str_to_utf8($unicode_str);

登录后复制

上面的转换是为了测试汉字（一般都是非ASCII的），因为如果是ASCII的话，就一次又一次的一样，没必要花那么大的力气。

另外，这两个函数实现简单，仅支持单个字符[完整的utf8字符或完整字符]相互转换。 如果你理解了，你可以随意扩展。 。 。