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/
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。
4 B8 b- h1 X; W" `. W

. |1 A4 u# H# a# u# |

' K! ?- {0 Y, u! l5 m. G9 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。
8 E" w! z5 I, U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。
" ^; [4 e8 f0 {' U: {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：
function encode(str) {
    var result = '';
! c' a) j) ?# y# c/ k; R: @2 ]    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：
' Q& A4 Q, F4 l  k/ U- W9 v// 获取字符串的utf8字节流
7 J0 `3 Y& _( X) ofunction getUTF8Bytes(str) {
  var bytes = [];
2 {3 y1 D# Q0 W/ I* P& l  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);
+ W$ {# J2 G, G: o8 m. y3 ~5 ?7 F      bytes.push((code & 0x3f) | 0x80);
    } else if (code >= 0x800 && code > 12) | 0xe0);
( b- b& E* B: h9 `8 f% [      bytes.push(((code >> 6) & 0x3f) | 0x80);
" F9 I; c& O) U% ?7 m" @- o      bytes.push((code & 0x3f) | 0x80);
! x2 B  n  P0 x# p4 J$ r    } else if (code >= 0x80 && code > 6) | 0xc0);
- ?6 R$ f9 c: k, }& f( j7 `' a- p       bytes.push((code & 0x3f) | 0x80);
    } else {
      bytes.push(code)
    }
  }
2 U$ W+ |$ }. d6 P2 g. k  return bytes;
}
* [+ a* R+ A' r1 C. K// 将字节流转换成16进制字符串
% Y& U$ v6 |" v2 z) ~# gfunction hexString(bytes) {
" K) [7 C/ H) v& c) s* O  var arr = bytes.map(function (code) {
    return (code).toString(16).toUpperCase();
# s6 e3 x  ?5 m6 m9 b) e  });
" g+ m! k+ w4 I0 O* T% `! ^$ _  return arr.join(' ');
( j6 ^1 x6 R2 T$ n/ k; R}
& _) p6 N0 D' W. P1 Pfunction utf8(str) {
0 Q1 ]* ]7 B8 n4 O  c  }   return hexString(getUTF8Bytes(str));
}
: t9 z  L6 ]. p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)