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/
0 W: F  H: V0 p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。
4 x/ ~& y9 _1 ^! M2 X& B  |2 p5 Q
. U" t. q" K' N
. _+ q8 \$ ?# r2 e. R- ?; O
! V& H- B" b3 Z9 v* G1 Q" u, Y# H
3 r# w' Y  L: x6 D: F+ c( A% G3 D
1 u6 E4 ~# T* O- Z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。
3 D- c; _( Q5 _! m5 dJavaScript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：
! D, q- ?8 R' X- A3 [" T1 ?: |function encode(str) {
    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！
3 j1 G; a% J1 n/ g  o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) {
% d0 G# L, Z) ~, u* l  var bytes = [];
( {0 E5 E  B/ y$ V7 R0 x& L" U# f+ _  var len = str.length;
6 P! O: c: m2 Q  for (var i = 0; i = 0x10000 && code > 18) | 0xf0);                // 第一个字节
      bytes.push(((code >> 12) & 0x3f) | 0x80);
. C) Q9 X1 @* `0 n" n      bytes.push(((code >> 6) & 0x3f) | 0x80);
" G+ A( E+ K  T9 f% ?" o- M4 c& t      bytes.push((code & 0x3f) | 0x80);
& c; ?  V+ G* c; Q3 R1 O6 V3 e    } else if (code >= 0x800 && code > 12) | 0xe0);
      bytes.push(((code >> 6) & 0x3f) | 0x80);
! |6 Q4 ?) m& R3 C6 _9 c      bytes.push((code & 0x3f) | 0x80);
) P: n; g# E  `5 G/ ?9 c    } else if (code >= 0x80 && code > 6) | 0xc0);
, B2 [; Y0 x- K7 X       bytes.push((code & 0x3f) | 0x80);
! O- z7 b; h/ L3 N& Z5 V    } else {
4 w1 b) ?+ c* p      bytes.push(code)
1 z( I& e; P+ k! @. X4 e    }
: }9 H/ A- D+ g# P+ v  }
  return bytes;
}
// 将字节流转换成16进制字符串
function hexString(bytes) {
+ g% n1 w6 ^2 F/ S% w7 C3 |7 j  var arr = bytes.map(function (code) {
    return (code).toString(16).toUpperCase();
+ C! L; V) d- b4 }$ z  });
  return arr.join(' ');
! ^( ?) ^" p4 e) N}
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。
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)