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/
9 M  s# [6 s- n: }" }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。
* i/ L) y8 S7 d- a: x
- e3 n! E% K: K$ j( Y  n- w


; t$ e, \: g3 ?; Z2 Z0 [5 j
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。
: D( h7 k. c% m% v3 X% D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。
0 R; m& `: P) L( e1 TJavaScript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) {
+ H2 r4 G$ g8 s& j0 X    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：
0 d% B+ f. f- W0 M( I3 b& V/ T

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：
, u8 J& L% Q! z' t$ a// 获取字符串的utf8字节流
+ t  q/ h; p& @0 {" L2 Yfunction getUTF8Bytes(str) {
  var bytes = [];
  var len = str.length;
  for (var i = 0; i = 0x10000 && code > 18) | 0xf0);                // 第一个字节
      bytes.push(((code >> 12) & 0x3f) | 0x80);
; m# ~- ?: z/ O+ g      bytes.push(((code >> 6) & 0x3f) | 0x80);
7 f, q5 q9 f3 R      bytes.push((code & 0x3f) | 0x80);
$ f" l5 t9 l8 V; i0 T2 d    } else if (code >= 0x800 && code > 12) | 0xe0);
      bytes.push(((code >> 6) & 0x3f) | 0x80);
      bytes.push((code & 0x3f) | 0x80);
    } else if (code >= 0x80 && code > 6) | 0xc0);
       bytes.push((code & 0x3f) | 0x80);
& v, b5 q7 u' l. j/ n! P    } else {
      bytes.push(code)
" I/ z/ W" Y* d  h8 |    }
' {: \+ l: \  n, _* L. F4 ?  }
6 g) m% p; @3 B, k' u! l: z/ P  return bytes;
8 f! J' u% d) t}
// 将字节流转换成16进制字符串
3 ^0 ?  W5 }3 g0 S9 x- bfunction hexString(bytes) {
  var arr = bytes.map(function (code) {
    return (code).toString(16).toUpperCase();
' K5 |6 \. u: @5 k  });
$ U" ]2 i& A4 k( S# [7 ]  return arr.join(' ');
+ x6 o. a9 ^$ y}
function utf8(str) {
; C8 H7 C* j# P" _2 R7 L% c' Q) x   return hexString(getUTF8Bytes(str));
* E# L5 y1 E) [; g9 ]- M}
- u; l- m5 G- _4 O7 H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。
% h8 H* X$ A% HAD：【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)