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/
1 u' W7 s) n1 w5 J- 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。
6 O, A) O# Y  U; a0 C! z" j( y7 j& B: g
: |# i% H4 Z# w2 I9 Y9 Z" o

* q9 H; R4 A6 }8 \$ N0 X

; w! d4 s% T0 E$ Q$ F+ r" E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。
5 p8 ?/ j6 P7 s% d: N; `( B7 _( S5 hJavaScript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：
function encode(str) {
    var result = '';
2 O1 O9 n5 h. b! V# 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！
+ ~+ d$ i4 L5 K2 H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：
7 ~2 I3 z2 g& j" T* p// 获取字符串的utf8字节流
function getUTF8Bytes(str) {
8 n" N& B" w2 U9 D  var bytes = [];
  var len = str.length;
  for (var i = 0; i = 0x10000 && code > 18) | 0xf0);                // 第一个字节
9 }6 _# J  b6 w" v      bytes.push(((code >> 12) & 0x3f) | 0x80);
      bytes.push(((code >> 6) & 0x3f) | 0x80);
9 r2 T% \) b% M" L      bytes.push((code & 0x3f) | 0x80);
* a; H3 O( u7 u6 m% F    } else if (code >= 0x800 && code > 12) | 0xe0);
6 C' h1 @5 p! O' b/ C      bytes.push(((code >> 6) & 0x3f) | 0x80);
      bytes.push((code & 0x3f) | 0x80);
    } else if (code >= 0x80 && code > 6) | 0xc0);
       bytes.push((code & 0x3f) | 0x80);
, x2 G( ]- x# S' ]2 p" H! D" e) z    } else {
) ]. w" N# f' J1 A' V      bytes.push(code)
6 J! W' F# {4 i9 ~; L! m    }
  }
  return bytes;
}
3 C2 |) x4 R# x4 ^) q8 b/ K* `// 将字节流转换成16进制字符串
% N! o3 }0 f" A5 }1 s/ R" Hfunction hexString(bytes) {
2 H1 H3 W( v+ L- D+ k6 d0 a  var arr = bytes.map(function (code) {
( ^" X# j; j! p; p    return (code).toString(16).toUpperCase();
  o: D1 Z& Q& T" F  });
7 S, j0 \. W+ u( {  return arr.join(' ');
}
function utf8(str) {
$ x. w$ v& U# x   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。
6 J3 v8 r$ y7 e) y) wAD：【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)