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/
% `. g, P$ E+ H# X7 y: d! `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。
" K$ X6 A7 m* V0 G
0 ~# [: F# {* o# D+ H, D7 f! u0 T
+ y) `: L4 Q* U

; K5 S* b6 O: H* W3 l: R% U) M
+ b  ?/ F' P& 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。
# ]5 G/ Y( ], j' @+ `' _. [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 e3 J9 E/ `3 z- b$ KJavaScript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：
) w( i7 j! A6 Sfunction encode(str) {
7 Y- k- {& c$ |3 j8 P8 ]6 @; U    var result = '';
( U. E- G1 L$ ]' g0 t4 j    var len = str.length;
# R- N) L& M  |# x& Z/ C    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 h7 F+ C1 W# |2 ]// 获取字符串的utf8字节流
  F6 m" T5 g5 k8 Vfunction getUTF8Bytes(str) {
% U' O- L+ _. V2 ~& d, \7 \( o  var bytes = [];
; B' U: [( }7 {  var len = str.length;
  for (var i = 0; i = 0x10000 && code > 18) | 0xf0);                // 第一个字节
: {: @4 M& z, {      bytes.push(((code >> 12) & 0x3f) | 0x80);
      bytes.push(((code >> 6) & 0x3f) | 0x80);
2 m  W8 i. J2 o      bytes.push((code & 0x3f) | 0x80);
    } else if (code >= 0x800 && code > 12) | 0xe0);
; w9 {2 x  m: l/ G      bytes.push(((code >> 6) & 0x3f) | 0x80);
* a3 \6 f: F3 p7 ?4 x& {. L: k3 v      bytes.push((code & 0x3f) | 0x80);
    } else if (code >= 0x80 && code > 6) | 0xc0);
( M2 R( K% i! N: R       bytes.push((code & 0x3f) | 0x80);
! \- M* N- J* {. T5 a- J+ }5 X7 i    } else {
! x- a; {( \. i  q8 }8 r7 _8 c      bytes.push(code)
    }
  }
3 p& x" W: c/ Y$ W/ ~( S( B  return bytes;
}
// 将字节流转换成16进制字符串
3 O  n& ?6 |3 a2 Y. w! ffunction hexString(bytes) {
3 d4 I, u: z0 V; [  var arr = bytes.map(function (code) {
    return (code).toString(16).toUpperCase();
  });
: J: ^2 ~9 P* t" x$ o9 T. k+ e  return arr.join(' ');
}
function utf8(str) {
   return hexString(getUTF8Bytes(str));
$ r- M4 @( V4 A  U& o3 m2 l# b% ^}
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。
# _( q# L/ |7 \2 r( R" zAD：【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)