设为首页收藏本站
查看: 130|回复: 0

[PHP] php对unicode转utf-8编码-PHP源码

[复制链接]

论坛元老

Rank: 6Rank: 6

积分
34274
主题
17031
UID
1347
M币
67
贡献
17176

  • 发表于 2018-7-16 22:33:00 | 显示全部楼层 |阅读模式
    如果只是unicode转utf-8编码的算法,网上到处都是了,不过很多人也是你抄我,我抄你,根本就不理解why和do,本文除了给出最简单的php对unicode转utf-8编码函数之外,也深入讨论了这两种编码的关系,理解好了会发现网上一些旧的东西,是严重多余兼过期的,因为从utf-8流行开始到现在,早已经由原来六字节可变编码到实际完全居于unicode(UCS-2)的稳定阶段。
      unicode编码是实现utf-8与gb系列编码(gb2312、gbk、gb18030)转换的基础,虽然我们也可以直接做一个utf-8到这些编码的对照表,但很少有人会这么做,因为utf-8的可变编码具有不确定性,因此一般情况使用都是unicode与gb编码的对照表,unicode(UCS-2)实际上是utf-8的基础编码,utf-8只是它的一种实现而已,两者存在下面的对应关系:
    Unicode符号范围 | UTF-8编码方式
    u0000 0000 - u0000 007F | 0xxxxxxx
    u0000 0080 - u0000 07FF | 110xxxxx 10xxxxxx
    u0000 0800 - u0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
    由于目前utf-8使用的字符都是居于UCS-2的,因此对于4-6字节编码的情况是不必考虑的,同样地,在反向转换的时候,如果出现四字节以上的utf-8字符,可以直接视为乱码忽略掉或转为unicode实体形式("&#long int;"形式),然后交给浏览器或相关解析程序去处理,用php把unicode转为utf-8编码的算法如下:
    /*
    * 参数 $c 是unicode字符编码的int类型数值,如果是用二进制读取的数据,在php中通常要用 hexdec(bin2hex( $bin_unichar )) 这样转换
    */
    function uni2utf8( $c )
    {
    if ($c > 0x06).chr(0x80 | $c & 0x3F);
    }
    else if ($c > 0x0C).chr(0x80 | $c >> 0x06 & 0x3F).chr(0x80 | $c & 0x3F);
    }
    //因为UCS-2只有两字节,所以后面的情况是不可能出现的,这里只是说明unicode HTML实体编码的用法。
    else
    {
    $utf8char = "&#{$c};";
    }
    return $utf8char;
    }
    在目前的环境范围内,可以认为 utf-8字符集==unicode(UCS-2),但从理论上,主要字符集之关的包含关系如下:
    utf-8 > unicode(UCS-2) > gb18030 > gbk > gb2312
    因此,如果编码都正确的情况下
    gb2312 => gbk => gb18030 => unicode(UCS-2) => utf-8
    这样的一个转变过程,基本上是无损的,但反而言之,由
    utf-8 => unicode(UCS-2) => gb18030=> gbk => gb2312
    这样的转变过程,是很可能存在不能识别的字符的,因此,如果对于使用utf-8编码的系统,尽量不要轻易的去做反向转换编码的操作。
    [/td] [/tr] [/table]
    回复

    使用道具 举报

    您需要登录后才可以回帖 登录 | 立即注册

    本版积分规则

    在我站开通SVIP可同时获得17个站点VIP资源 立即登录 立即注册
    快速回复 返回顶部 返回列表