簡單談?wù)刾hp中的unicode和utf8編碼
重新認(rèn)識(shí)unicode和utf8編碼
直到今天，準(zhǔn)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(qū)別的囧
他們之間是有一定的聯(lián)系的，看看他們的區(qū)別：
UTF-8的長度是不一定的，有可能是1、2、3字節(jié)
Unicode長度一定，2個(gè)字節(jié)（USC-2）
UTF-8可以和Unicode互相轉(zhuǎn)換
unicode和utf8的關(guān)系
Unicode(16進(jìn)制)
UTF-8(二進(jìn)制)
0000 - 007F 0xxxxxxx
0080 - 07FF 110xxxxx 10xxxxxx
0800 - FFFF 1110xxxx 10xxxxxx 10xxxxxx
上面的表格有2個(gè)意思，第一個(gè)顯而易見就是說Unicode和UTF-8字符范圍的對(duì)應(yīng)，還有一個(gè)可以看出Unicode怎么和UTF-8互相轉(zhuǎn)換：
先說UTF-8到Unicode的轉(zhuǎn)換
UTF-8編碼的二進(jìn)制和上面的3種格式進(jìn)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(lǐng)，湊夠2個(gè)字節(jié)16 bits，這16 bits所表示的就是UTF-8對(duì)應(yīng)的Unicode編碼，看看下面幾個(gè)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(jìn)制表示
字符 => UTF-8 => UTF-8二進(jìn)制=> 去掉固定位置湊夠16位的二進(jìn)制 => 16進(jìn)制
漢 => E6B189 => 11100110 10110001 10001001 => 01101100 01001001 => 6C49
字 => E5AD97 => 11100101 10101101 10010111 => 01011011 01010111 => 5B57
#下面是在chrome命令行下面運(yùn)行的結(jié)果
'\u6C49'
"漢"
'\u5B57'
"字"
#到這里的話，從UTF-8轉(zhuǎn)換到Unicode已經(jīng)是一件非常容易的事了，看看轉(zhuǎn)換的偽代碼
讀取一個(gè)字節(jié)，11100110
判斷該UTF-8字符的格式，屬于第三種，3個(gè)字節(jié)
繼續(xù)讀取2個(gè)字節(jié)得到 11100101 10101101 10010111
按照格式去掉固定位 1011011 01010111
不夠16位，左邊補(bǔ)零 01011011 01010111 => 5B57
再看看從Unicode到UTF-8的轉(zhuǎn)換
5B57
獲取5B57所在的Unicode范圍，0800 <= 5B57 <= FFFF，得知5B57的UTF-8有三個(gè)字節(jié)，形式為1110xxxx 10xxxxxx 10xxxxxx
獲取5B57的二進(jìn)制編碼 101101101010111
用上一步驟的二進(jìn)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(gè)問題的起因，從前端輸入很多單詞，UTF-8格式每個(gè)詞最多30個(gè)字節(jié)，因此會(huì)在前端和后臺(tái)分別做驗(yàn)證，javascript用的是Unicode編碼，后端程序用的是UTF-8編碼，現(xiàn)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;
}
#例子
utf8_bytes('asdasdas')
8
utf8_bytes('yrt燕睿濤')
12
后臺(tái)
#對(duì)于GBK字符串
$len = ceil(strlen(bin2hex(iconv('GBK', 'UTF-8', $word)))/2);
#對(duì)于UTF8字符串
$len = ceil(strlen(bin2hex($word))/2);
以上所述就是本文的全部內(nèi)容了，希望大家能夠喜歡。
- PHP解碼unicode編碼的中文字符代碼分享
- php utf-8轉(zhuǎn)unicode的函數(shù)
- 淺析PHP中的UNICODE 編碼與解碼
- PHP中正則表達(dá)式對(duì)UNICODE字符碼的匹配方法
- PHP如何實(shí)現(xiàn)Unicode和Utf-8編碼相互轉(zhuǎn)換
- php UTF-8、Unicode和BOM問題
- php制作unicode解碼工具(unicode編碼轉(zhuǎn)換器)代碼分享
- 用php實(shí)現(xiàn)gb2312和unicode間的編碼轉(zhuǎn)換
- PHP解密Unicode及Escape加密字符串
- php實(shí)現(xiàn)utf-8轉(zhuǎn)unicode函數(shù)分享
- PHP實(shí)現(xiàn)Unicode編碼相互轉(zhuǎn)換的方法示例
相關(guān)文章
下面小編就為大家分享一篇php7下安裝event擴(kuò)展方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-03-03
php實(shí)現(xiàn)模擬登陸方正教務(wù)系統(tǒng)抓取課表
這篇文章主要介紹了php實(shí)現(xiàn)模擬登陸方正教務(wù)系統(tǒng)抓取課表的相關(guān)資料,需要的朋友可以參考下2015-05-05
比較全的PHP 會(huì)話(session 時(shí)間設(shè)定)使用入門代碼
由于 Session 是以文本文件形式存儲(chǔ)在服務(wù)器端的，所以不怕客戶端修改 Session 內(nèi)容。實(shí)際上在服務(wù)器端的 Session 文件，PHP 自動(dòng)修改 Session 文件的權(quán)限，只保留了系統(tǒng)讀和寫權(quán)限，而且不能通過 ftp 修改，所以安全得多。2008-06-06
這篇文章主要介紹了PHP實(shí)現(xiàn)的json類,實(shí)例分析了php實(shí)現(xiàn)json類的方法,具有一定參考借鑒價(jià)值,需要的朋友可以參考下2015-07-07
php使用ob_start()實(shí)現(xiàn)圖片存入變量的方法
這篇文章主要介紹了php使用ob_start()實(shí)現(xiàn)圖片存入變量的方法,是對(duì)緩存的靈活運(yùn)用,具有既定的參考借鑒價(jià)值,需要的朋友可以參考下2014-11-11
PHP中遍歷stdclass object的實(shí)現(xiàn)代碼
從網(wǎng)上查到的方法是 用get_object_vars 把類類型轉(zhuǎn)換成數(shù)組 然后在用 foreach 遍歷即可2011-06-06
這篇文章主要介紹了php禁止瀏覽器使用緩存頁面的方法,以實(shí)例形式較為詳細(xì)的講述了PHP禁用緩存的方法及用途,需要的朋友可以參考下2014-11-11
如果想批處理以前下載的一堆文件，把文件里的關(guān)鍵內(nèi)容用正則匹配出來，集中處理。操作文件時(shí)遇到一個(gè)問題，就是windows操作系統(tǒng)中的編碼問題。本文將帶著大家詳細(xì)探討此問題。2021-05-05
這篇文章主要匯總介紹了幾種解決PHP+MYSQL中文亂碼問題的方法，十分的實(shí)用，有需要的小伙伴可以參考下。2015-07-07
phpinfo() 中 Local Value（局部變量）Master Value（主變量） 的區(qū)別
這篇文章主要介紹了phpinfo() 中 Local Value（局部變量）Master Value（主變量） 的區(qū)別,需要的朋友可以參考下2016-02-02