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/
3 w  V0 }' o& q. E# O3 y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。
; n' ?( S5 N  q. n- |
# L. q1 q3 w8 j" i3 e4 e
% Y. c$ i) O) ^3 J$ W" D6 n
& b8 g; _- \1 F  |
5 q2 t) B* l2 {' B- X+ t7 h
2 Z5 v) S5 L, X/ A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。
JavaScript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) {
    var result = '';
" x! w1 i# c3 A- k- R    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：
1 }$ Q0 K( Y9 S( O. y" R

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) {
2 `- P# V5 t$ x1 O8 j. c& ?7 v: {  var bytes = [];
; g& Q  W6 ?! p- V/ Y; T  var len = str.length;
  for (var i = 0; i = 0x10000 && code > 18) | 0xf0);                // 第一个字节
. j$ p( j' h( s% Z      bytes.push(((code >> 12) & 0x3f) | 0x80);
; E6 e# h1 s- ], d% O, n5 X      bytes.push(((code >> 6) & 0x3f) | 0x80);
  }  M% v0 Q# J      bytes.push((code & 0x3f) | 0x80);
    } else if (code >= 0x800 && code > 12) | 0xe0);
      bytes.push(((code >> 6) & 0x3f) | 0x80);
, X4 v: G$ H( Y- N* O      bytes.push((code & 0x3f) | 0x80);
    } else if (code >= 0x80 && code > 6) | 0xc0);
       bytes.push((code & 0x3f) | 0x80);
9 k9 \( Q9 s5 ]7 b/ M% q( B    } else {
; h' L% T! ]- I% \4 E2 v/ D; V      bytes.push(code)
    }
( _& w  r- \* p( t& z* v: V7 G  }
1 R. _6 I# ~) N* x, |$ c2 W" h" P  return bytes;
! Z" X2 S& T6 W7 J5 P' G( [}
" v3 j9 h- k8 n% z0 t8 b! t// 将字节流转换成16进制字符串
function hexString(bytes) {
) ^- h  k5 u  P8 q" C4 _2 @  var arr = bytes.map(function (code) {
    return (code).toString(16).toUpperCase();
  });
  return arr.join(' ');
}
$ T/ z$ S0 c7 dfunction utf8(str) {
$ k# m# Z1 q: ~0 y3 ^   return hexString(getUTF8Bytes(str));
}
9 c3 x" s5 e' U4 @! t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。
AD：【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)