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/
- S5 ^0 P2 ~' @+ J& X- ^- w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。



# v2 ]1 i/ e( Z6 b( ], q

" o! ]! l5 S# E# p# D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。
5 V, p) s' v% A% VJavaScript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：
7 \1 x. @  O, {function encode(str) {
% m; z+ F: V) i: M4 C2 |. B    var result = '';
    var len = str.length;
    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：
5 A4 L/ c. |" M3 m8 l8 b# F% M) e// 获取字符串的utf8字节流
/ q1 ^+ u( `% \# e3 y0 G2 g' {9 kfunction getUTF8Bytes(str) {
) w& O0 \9 N+ N  var bytes = [];
: p" I- F8 w) R8 V) L: s+ [. I* A5 D% f5 [  var len = str.length;
  for (var i = 0; i = 0x10000 && code > 18) | 0xf0);                // 第一个字节
1 U5 L; m5 n# Z0 z- _& P      bytes.push(((code >> 12) & 0x3f) | 0x80);
, R. S8 o3 Q! H' w7 D/ d2 a' h      bytes.push(((code >> 6) & 0x3f) | 0x80);
6 S$ O# u: J  l      bytes.push((code & 0x3f) | 0x80);
- n9 i, V" g5 d( C/ c2 \    } else if (code >= 0x800 && code > 12) | 0xe0);
      bytes.push(((code >> 6) & 0x3f) | 0x80);
# X5 v' y8 g6 g( ]      bytes.push((code & 0x3f) | 0x80);
    } else if (code >= 0x80 && code > 6) | 0xc0);
' r# ?/ }* d# ]* h  y       bytes.push((code & 0x3f) | 0x80);
    } else {
5 }) C8 }& t7 H2 l# G      bytes.push(code)
6 k7 o3 w5 X# }3 k    }
- s/ `% i" X3 B3 `/ R( N7 j+ m; S  }
0 u7 r2 A! I" j  return bytes;
2 v% i, X3 b8 B/ l* L, @3 R$ O}
. v4 n2 C* ]8 v6 D/ ?; }7 T2 o( a// 将字节流转换成16进制字符串
3 Z7 M2 h5 t) l0 t/ ~/ ?  X# _. W& }function hexString(bytes) {
* n7 F$ I7 g9 j4 F# A  L; |- E  var arr = bytes.map(function (code) {
    return (code).toString(16).toUpperCase();
  });
, }5 A6 z/ ]4 C( _7 J8 G  return arr.join(' ');
}
function utf8(str) {
   return hexString(getUTF8Bytes(str));
}
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。
6 v  L: H3 S) {. TAD：【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)