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 y2 n8 U$ m: e, G0 d' \. B# X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。

* H; Q$ P5 [/ ]3 Y1 G; e+ t


" j! J" ^& _. }
* Z- u' s4 i, i/ L: d/ }) ?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。
# P  ]& ]3 u) `8 M5 T! ~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：
8 M' n! W, g! u* o% ]8 `+ l+ X3 T% x$ Cfunction encode(str) {
    var result = '';
+ P, U; Z7 k) y( G  }8 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！
# k8 o* }1 F" T! U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：
. G/ i! M7 H# ?$ O6 P; B) `; K// 获取字符串的utf8字节流
function getUTF8Bytes(str) {
  var bytes = [];
  var len = str.length;
6 F- g* s' T, U  for (var i = 0; i = 0x10000 && code > 18) | 0xf0);                // 第一个字节
      bytes.push(((code >> 12) & 0x3f) | 0x80);
0 u% j) u& U$ B) z" a% V      bytes.push(((code >> 6) & 0x3f) | 0x80);
      bytes.push((code & 0x3f) | 0x80);
, J' t, |: N# a$ W/ O    } 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);
4 I9 e% g0 T7 J       bytes.push((code & 0x3f) | 0x80);
    } else {
5 S( D+ z! k! g9 B. j; w4 h      bytes.push(code)
) G" ^' z/ U( w. q1 _7 W& J  K    }
0 m/ f, ]+ p0 N& _! w  }
  return bytes;
}
// 将字节流转换成16进制字符串
6 @! b( a' v4 @: L9 W" N; sfunction hexString(bytes) {
; n! P4 Z- s: h7 K0 i8 g  var arr = bytes.map(function (code) {
; z* c; r& A3 O/ [    return (code).toString(16).toUpperCase();
  });
& C$ Y  A  h3 H; ?  A! H  return arr.join(' ');
}
$ _. ~; h& B& N# L* l. Wfunction utf8(str) {
" c& c& W" X9 b6 c   return hexString(getUTF8Bytes(str));
}
" r/ X' E. A5 c' d9 \# r' b# 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。
6 k! R, C% {8 gAD：【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)