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 c1 }. v0 k' @  O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。
$ I' h) |7 m! z

9 C' T8 G- R& P  I6 C/ N

) ?! F3 M/ \3 K0 C
4 x! c" L8 q( w: _2 [, G! S' M0 B( I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。
2 H% l4 e. w  y, E9 ]" I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：
  K& S' |) \* G( N( Zfunction encode(str) {
6 b' }6 m( G7 {9 n' K    var result = '';
    var len = str.length;
. O! }3 k) E4 M    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：
+ L; X$ E; D- Z1 {+ M9 G

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：
  V% k6 c# B$ [4 }3 n( y// 获取字符串的utf8字节流
) P+ Q" G' i1 y8 a2 C  ]$ tfunction getUTF8Bytes(str) {
. K( J4 F- Z3 v. b" H- [2 n  var bytes = [];
  var len = str.length;
  for (var i = 0; i = 0x10000 && code > 18) | 0xf0);                // 第一个字节
      bytes.push(((code >> 12) & 0x3f) | 0x80);
      bytes.push(((code >> 6) & 0x3f) | 0x80);
      bytes.push((code & 0x3f) | 0x80);
" l/ f/ b! l( o) ^: j/ |    } else if (code >= 0x800 && code > 12) | 0xe0);
      bytes.push(((code >> 6) & 0x3f) | 0x80);
      bytes.push((code & 0x3f) | 0x80);
8 Y) V2 u9 s8 V, X3 N" S0 Q/ o' I    } else if (code >= 0x80 && code > 6) | 0xc0);
       bytes.push((code & 0x3f) | 0x80);
    } else {
      bytes.push(code)
    }
  }
1 O/ D) k. _0 ^. e) c+ m  return bytes;
}
( _8 G, V2 `; z8 g( v8 F/ C// 将字节流转换成16进制字符串
9 j9 {- ]0 b$ n7 Yfunction hexString(bytes) {
3 m2 H: a/ p0 g1 P: _0 G; G) R  var arr = bytes.map(function (code) {
    return (code).toString(16).toUpperCase();
  });
  return arr.join(' ');
, L8 \+ Y/ L( X! f- T' X: ]}
function utf8(str) {
   return hexString(getUTF8Bytes(str));
) O: ?# H: `7 L9 y! R* K}
/ `- f7 s' q) r7 K' \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)