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/
: u( E1 u( {+ h" z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。
- V% b9 R" J) G: F$ [+ U" [5 L
: w; O" }3 _2 h) B& _



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。
( j+ k5 o9 A$ v7 f9 q1 N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。
% V- K6 J; ]. v+ d% 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：
function encode(str) {
  R# E. n$ k3 Y0 |! \5 [1 o% q  O    var result = '';
    var len = str.length;
6 L& P$ u9 b2 c; }. B7 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！
% B0 J' ~# k: V2 a4 v% b; G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 W& P) c! h2 G// 获取字符串的utf8字节流
( S. z( k0 I  }# w" O' E% [function getUTF8Bytes(str) {
  var bytes = [];
9 F) V- ~: S3 Y  var len = str.length;
  for (var i = 0; i = 0x10000 && code > 18) | 0xf0);                // 第一个字节
5 R; H- T, ?- W& l1 a0 L3 D7 S3 c      bytes.push(((code >> 12) & 0x3f) | 0x80);
2 a  D0 @' t7 Y7 P8 |2 I  {      bytes.push(((code >> 6) & 0x3f) | 0x80);
2 A+ B" \% ^3 D8 N" K' T      bytes.push((code & 0x3f) | 0x80);
    } else if (code >= 0x800 && code > 12) | 0xe0);
      bytes.push(((code >> 6) & 0x3f) | 0x80);
      bytes.push((code & 0x3f) | 0x80);
    } else if (code >= 0x80 && code > 6) | 0xc0);
       bytes.push((code & 0x3f) | 0x80);
    } else {
& h; C  d  [9 C! l" Z% U$ b' x      bytes.push(code)
    }
- k' C# z& V4 O: ]5 P( e  }
" H' L- Z: j) }8 A( \' o* z  return bytes;
}
// 将字节流转换成16进制字符串
function hexString(bytes) {
4 n, t2 u2 V, }! Y" ~9 X, _% v  var arr = bytes.map(function (code) {
! M- D1 K9 c; I    return (code).toString(16).toUpperCase();
6 q" y$ Q  q1 d( s9 X9 W  });
  return arr.join(' ');
. |, z1 r# d2 ~# \5 V, G$ I; q8 ~}
function utf8(str) {
   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。
% }5 q! s/ J9 ]  W. eAD：【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)