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/
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。
7 J' |! D1 z9 j$ y! i  P! o
! \* Q+ A5 I; E; Q7 F



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。
7 y& w0 [7 o$ {9 @: C, 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。
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 = '';
4 @* J+ d: u' Y, P8 d$ J! {1 _    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！
* R. t& g0 c/ i! J! h0 @+ _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 }: E. t7 P5 R4 Y# @1 O+ z

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 c/ M1 m% ]9 U4 E  var bytes = [];
  var len = str.length;
  for (var i = 0; i = 0x10000 && code > 18) | 0xf0);                // 第一个字节
8 Z9 L5 d" @, j* Y& E% \# @% M      bytes.push(((code >> 12) & 0x3f) | 0x80);
; ~. O8 o  O" Z9 X      bytes.push(((code >> 6) & 0x3f) | 0x80);
      bytes.push((code & 0x3f) | 0x80);
    } else if (code >= 0x800 && code > 12) | 0xe0);
      bytes.push(((code >> 6) & 0x3f) | 0x80);
# v6 M+ q. Z) f3 x      bytes.push((code & 0x3f) | 0x80);
    } else if (code >= 0x80 && code > 6) | 0xc0);
       bytes.push((code & 0x3f) | 0x80);
: {9 X, _- X: j( g( F+ M    } else {
2 Y9 I  T* d$ i9 p1 T. w      bytes.push(code)
% C4 a4 h0 l* `: ~1 I) ]& j3 f    }
  i" |8 g" O6 {+ ^  d& J& r  }
# l' ^; h7 G6 a; C( W0 W" A  return bytes;
: x( s6 q# h! ^7 S" S& g/ Q}
6 J" k5 q  l; k' q/ d// 将字节流转换成16进制字符串
; T( u( q4 d; ffunction hexString(bytes) {
9 g, S; n1 I. A9 k  x  var arr = bytes.map(function (code) {
    return (code).toString(16).toUpperCase();
  });
  return arr.join(' ');
}
function utf8(str) {
   return hexString(getUTF8Bytes(str));
5 _* }7 `& U  U1 o4 A( ]  F- Y}
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)