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/
4 C5 C$ y- d% h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。
" ~" P  |% r5 v& X* Y
0 n. W* e, W, F- J3 y/ E5 N# Z
6 `# \: Y: A# U8 b
- c7 `4 r' w, T3 s5 x! [
+ U$ g$ ~# U" H! c  k: ~0 d+ G
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。
- _# ^2 y/ L3 p: l+ S& RJavaScript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：
5 U4 H" H! C* |4 b  y% k+ [2 bfunction encode(str) {
# Q& {, [9 n" i- ]! u: }( V    var result = '';
0 \/ ~8 B" `: r1 B5 M9 u3 c    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！
( T. K) @6 b4 `" _( y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：
) ]( l" @+ k7 m! i// 获取字符串的utf8字节流
$ t- S6 Q6 U  K5 [function getUTF8Bytes(str) {
  var bytes = [];
% w, A8 h! y- }' V5 h  var len = str.length;
  for (var i = 0; i = 0x10000 && code > 18) | 0xf0);                // 第一个字节
      bytes.push(((code >> 12) & 0x3f) | 0x80);
+ S- h3 }; Y/ J. p, ?- K      bytes.push(((code >> 6) & 0x3f) | 0x80);
. c' G1 _) J: z      bytes.push((code & 0x3f) | 0x80);
    } else if (code >= 0x800 && code > 12) | 0xe0);
      bytes.push(((code >> 6) & 0x3f) | 0x80);
5 U9 g; a0 [  J3 @      bytes.push((code & 0x3f) | 0x80);
    } else if (code >= 0x80 && code > 6) | 0xc0);
2 B  E" N/ t9 K) n; x8 w       bytes.push((code & 0x3f) | 0x80);
1 v% k  n( a) q7 @4 u! e6 ?2 Y    } else {
      bytes.push(code)
    }
  }
% c7 c6 T( y8 U; \  return bytes;
- b+ d$ h% [: m6 M}
/ P% W1 A, l& Z; W// 将字节流转换成16进制字符串
4 D+ c+ b! u% H# f8 ~* g/ ofunction hexString(bytes) {
6 R& u! |8 s2 b; p* ?6 [  var arr = bytes.map(function (code) {
    return (code).toString(16).toUpperCase();
  });
$ j* F% Y6 A4 g1 ?% Q) i  return arr.join(' ');
/ d: d! }* Q: Q" B& c}
function utf8(str) {
  u5 a( n& S0 U* z+ d: f   return hexString(getUTF8Bytes(str));
}
" N9 F/ q8 P% l1 P- {: B6 \3 I. N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。
) Q2 O8 j( b$ i: AAD：【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)