字符串、unicode和UTF8编码之间的互相转换 - 青浦海洋数码电脑城

[db:作者]

转载请注明文章出处：https://itlanyan.com/string-unicode-utf8-converter/
  Z0 H" l) t9 z想知道某个字符串的UTF8编码，图方便打算使用在线工具。坑爹的是，号称“UTF8汉字互转”的网页几乎全是字符串和unicode码点互转，并不提供与UTF8编码互转功能。没搞懂unicode码点（code point）和UTF8编码的关系，还大言不惭的说UTF8编码，真让人无语。
: E. v, l+ E& g, {2 Z
: n+ b- A( t9 A$ i1 ]; ]& @

6 d, v1 U* N2 i3 {5 K- R, |' f  C4 i

字符、字节和字节序，unicode和UTF8编码，是理解字符编码重要的概念，详情可查看本人之前博文文件和字符编码。本文讨论unicode和UTF8之间的转换，先简要介绍两个概念：unicode是将字符与码点（code point，一个整数）一一对应的编码方案；码点通常用\uXXXX或者U+XXXX的方式表示，XXXX是码点的十六进制；UTF8是unicode的一个具体编码方案，规定字符存储的方式；UTF8编码字节数可变，不存在大小端问题，互联网通信中常采用此种编码方式。
回顾一下那成片的“汉字UTF8编码互转”网页所做的事情。以“中国”为例，两个汉字码点分别为20013和22269，十六进制表示4E2D 56FD，UTF8编码E4 B8 AD E5 9B BD。随手打开搜索结果中的http://www.ip138.com/utf8/，输入“中国”，点击“转换UTF-8”按钮，下方出现码点的十六进制编码4E2D 56FD（&#x可以理解为十六进制的前缀0x），并非UTF8编码。
6 M0 y3 b  K/ f$ ?" SJavaScript的String对象有charCodeAt和codePointAt（兼容性不如charCodeAt）方法。根据这个函数，网页的转换工作可用如下代码实现：
function encode(str) {
1 w7 Y" N/ z4 K! j+ z    var result = '';
, [* h0 z. P) M  T7 Q& T    var len = str.length;
: J& q: G2 l& D    for (var i = 0; i 调用encode(“中国”)或者其他字符串，将得到每个字符对应码点的十六进制。但这不是字符串的UTF8编码！
要拿到UTF8编码，需要在码点的基础上多走一步。先回顾unicode码点与UTF8的转换关系：

unicode码点(十六进制)[/td]UTF-8(二进制)
0000 0000-0000 007F	0xxxxxxx
0000 0080-0000 07FF	110xxxxx 10xxxxxx
0000 0800-0000 FFFF	1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

根据这个表，结合charCodeAt函数，可以写出字符串到UTF8编码的函数：
// 获取字符串的utf8字节流
function getUTF8Bytes(str) {
! i7 |2 w3 r3 y- O  var bytes = [];
  var len = str.length;
& p' i  [8 u7 O. A  for (var i = 0; i = 0x10000 && code > 18) | 0xf0);                // 第一个字节
$ E1 p8 t) g$ k$ s) J5 H/ Q      bytes.push(((code >> 12) & 0x3f) | 0x80);
      bytes.push(((code >> 6) & 0x3f) | 0x80);
      bytes.push((code & 0x3f) | 0x80);
    } else if (code >= 0x800 && code > 12) | 0xe0);
      bytes.push(((code >> 6) & 0x3f) | 0x80);
, f9 P  c7 k& u5 U# I      bytes.push((code & 0x3f) | 0x80);
; Z5 Q9 H  {1 |' @3 ~  i" A    } else if (code >= 0x80 && code > 6) | 0xc0);
       bytes.push((code & 0x3f) | 0x80);
! Q) s; u. r6 i  z0 Z" a( C' d    } else {
7 J! l' ]/ {, @      bytes.push(code)
    }
2 E5 A' k" e4 m9 B7 s6 X. z& o  }
8 ^4 `2 r7 f+ E% i/ o. z1 ]2 s  return bytes;
}
// 将字节流转换成16进制字符串
function hexString(bytes) {
  var arr = bytes.map(function (code) {
    return (code).toString(16).toUpperCase();
  });
$ c) q% M5 }" O  return arr.join(' ');
}
function utf8(str) {
0 ?+ p7 m; Q+ k: w   return hexString(getUTF8Bytes(str));
' ]  U9 A! b, g) N2 H0 f* e}
9 P$ _. p, s$ A5 G: j$ v调用函数utf8，这才是JavaScript得到字符串的UTF8编码的正确姿势！从UTF8编码转换到字符串，做相反工作即可。
" v2 W5 }* V7 ^, gAD：【国外VPS推荐】 Vultr全球16个数据中心，高速SSD硬盘，月付2.5$起，注册充10$送100$打赏赞(1)