谈谈php中的unicode和utf8编码

本文格式为Word版，下载可任意编辑——谈谈php中的unicode和utf8编码谈谈php中的unicode和utf8编码

本文给大家深入议论了unicode和utf8这两种编码的关系，理解好了会察觉网上一些旧的东西，是严重多余兼过期的，由于从utf-8流行开头到现在，早已经由原来六字节可变编码到实际完全居于unicodeUCS-2的稳定阶段。

重新熟悉unicode和utf8编码

直到今天，切实的说是方才，我才知道UTF-8编码和Unicode编码是不一样的，是有识别的囧

他们之间是有确定的联系的，看看他们的识别：

UTF-8的长度是不确定的，有可能是1、2、3字节

Unicode长度确定，2个字节（USC-2）

UTF-8可以和Unicode彼此转换

unicode和utf8的关系

Unicode16进制

UTF-8二进制

0000-007F0xxxxxxx

0080-07FF110xxxxx10xxxxxx

0800-FFFF1110xxxx10xxxxxx10xxxxxx

上面的表格有2个意思，第一个显而易见就是说Unicode和UTF-8字符范围的对应，还有一个可以看出Unicode怎么和UTF-8彼此转换：

先说UTF-8到Unicode的转换

UTF-8编码的二进制和上面的3种格式举行匹配，匹配到之后去掉固定位（表格中的非x位置），然后从右到左每8位一组，不够8位左边不领，凑够2个字节16bits，这16bits所表示的就是UTF-8对应的Unicode编码，看看下面几个例子：

上面图片中的文字编码格式为UTF-8，可以用WinHex看到其16进制表示

复制代码代码如下:

字符=UTF-8=UTF-8二进制=去掉固定位置凑够16位的二进制=16进制

汉=E6B189=111001101011000110001001=0110110001001001=6C49

字=E5AD97=111001011010110110010111=0101101101010111=5B57

#下面是在chrome命令行下面运行的结果

\u6C49

汉

\u5B57

字

#到这里的'话，从UTF-8转换到Unicode已经是一件分外轻易的事了，看看转换的伪代码

读取一个字节，11100110

判断该UTF-8字符的格式，属于第三种，3个字节

持续读取2个字节得到111001011010110110010111

按照格式去掉固定位101101101010111

不够16位，左边补零0101101101010111=5B57

再看看从Unicode到UTF-8的转换

复制代码代码如下:

5B57

获取5B57所在的Unicode范围，0800=5B57=FFFF，得知5B57的UTF-8有三个字节，形式为1110xxxx10xxxxxx10xxxxxx

获取5B57的二进制编码101101101010111

用上一步骤的二进制编码从右至左拼接UTF-8编码111001011010110110010111

说说问题

再说说今天这个问题的起因，从前端输入好多单词，UTF-8格式每个词最多30个字节，因此会在前端和后台分别做验证，javascript用的是Unicode编码，后端程序用的是UTF-8编码，现在的解决手段是这样

前端

?

1

2

3

4

谈谈php中的unicode和utf8编码

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

functionutf8_bytesstr

varlen=0,unicode;

forvari=0;istr.length;i++

unicode=str.charCodeAti;

ifunicode0x0080

++len;

elseifunicode0x0800

len+=2;

elseifunicode=0xFFFF

len+=3;

else

throwcharactersmustbeUSC-2!!

returnlen;

#例子

utf8_bytesasdasdas

8

utf8_bytesyrt燕睿涛

12

后台

?

1

2

3

4

#对于GBK字符串

$len=ceils