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/
. q* m6 o, V. b- x& N, B0 Q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。
' B- Z* N6 f0 ^* q; W  W4 o

, @+ g0 }5 s6 C1 H& @% U+ k
! |/ s; c( n' }: s" a" B6 b. G
/ @4 L! w' j, n6 |' R
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。
- T$ ]# K# G3 r6 R  \/ L2 N0 f2 x% O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：
  o) d4 L$ j8 Ufunction encode(str) {
    var result = '';
! I: F: V1 G1 C  _5 o    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：

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：
1 r) c9 u$ |" G7 }' C// 获取字符串的utf8字节流
+ k0 V0 P- H- hfunction getUTF8Bytes(str) {
2 x, Z$ Q$ N! u: V0 m  var bytes = [];
  var len = str.length;
( k( S5 `+ m# I' p2 O2 g+ G0 D  for (var i = 0; i = 0x10000 && code > 18) | 0xf0);                // 第一个字节
      bytes.push(((code >> 12) & 0x3f) | 0x80);
0 p: ?7 @1 O  }7 V) h& r* `+ H/ ~      bytes.push(((code >> 6) & 0x3f) | 0x80);
5 |2 M# r+ N2 D" r* a      bytes.push((code & 0x3f) | 0x80);
; I6 g) ]& E; }5 v; k4 [* ?+ O    } else if (code >= 0x800 && code > 12) | 0xe0);
+ }9 T) i$ }0 b8 l- R  H, ~0 L      bytes.push(((code >> 6) & 0x3f) | 0x80);
( k& a4 C& K) y2 h      bytes.push((code & 0x3f) | 0x80);
    } else if (code >= 0x80 && code > 6) | 0xc0);
( c, k' x0 I8 j       bytes.push((code & 0x3f) | 0x80);
    } else {
      bytes.push(code)
5 o: i2 @% ?& W  Q7 h* l% D9 s    }
9 {. O8 a* F5 g8 A5 ~# V- g  }
  return bytes;
}
$ n$ ^/ k) T9 C$ D, s# ]// 将字节流转换成16进制字符串
" _! A6 ]+ g( K  [function hexString(bytes) {
' D: G+ g) g% r) U3 S# E  var arr = bytes.map(function (code) {
' ?. V- C+ t. G3 _  ^* J0 `    return (code).toString(16).toUpperCase();
* b9 |1 G5 l5 u7 g) B5 K- w( }" ~  });
  return arr.join(' ');
/ K% J' X* m# W* a1 g) U5 K0 g4 G( k9 j8 r}
function utf8(str) {
   return hexString(getUTF8Bytes(str));
! P4 {2 z+ A- ?. y- \* u}
! e0 t5 ^4 V5 w; i: D, \: {# |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。
. K) g" }3 K- U, w7 MAD：【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)