UTF編碼
UTF-8就是以8位為單元對UCS進行編碼。從UCS-2到UTF-8的編碼方式如下：
UCS-2編碼(16進位)
UTF-8 位元組流(二進位)
0000 - 007F
0xxxxxxx
0080 - 07FF
110xxxxx 10xxxxxx
0800 - FFFF
1110xxxx 10xxxxxx 10xxxxxx
例如“漢”字的Unicode編碼是6C49。6C49在0800-FFFF之間，所以肯定要用3位元組模板了：1110xxxx 10xxxxxx 10xxxxxx。將6C49寫成二進位是：0110 110001 001001， 用這個位元流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89。
終於將unicode和utf8互轉搞定。
如果utf-8編碼的字元ch是3個位元組。xx yy zz
將xx和1F AND 操作得到 a
將yy和7F AND 操作得到 b
將zz和7F AND 操作得到 c
(64a+b)*64+c = ch(unicode編碼)
echo.php沒什麼。就是幾個函數。
");
//寫入unicode檔案
$ucs2data = utf8ToUnicode($data,"little");
$endian = chr(0xFE).chr(0xFF);
$endian = chr(0xFF).chr(0xFE);
$rt = file_put_contents ( "ucs2.txt", $endian.$ucs2data);
//19:32,utf8toUnicode函數ok.
//20:09。發現little endian 和big endian問題。並解決。
//big endian 方式存入的unicode字串，ue和editplus均不能
//識別。只有notepad正常識別。
$rt = file_put_contents ( "usc2ys_data.txt", $ucs2_ysdata);
//寫入utf8檔案
$utf8data = unicodeToUtf8($ucs2data); // 20:52. 將字串轉回utf8碼ok.
$rt = file_put_contents ( "utf8.txt", $utf8data);
echo(urlencode($utf8data));echo("");
$esc = utf8Escape($data);
echot($esc);
$esc = phpEscape($data);
echot($esc);
$unesc = phpUnescape($esc);
echot($unesc);
/**
* 此函數將utf8編碼字串轉為unicode編碼字串
* 參數 str ,utf8編碼的字串。
* 參數 order,存放資料格式，是big endian還是little endian，預設的unicode存放次序是little.
* 如："大"的unicode碼是 5927。little方式存放即為：27 59 。big方式則順序不變：59 27.
* little 存放格式檔案的開頭均需有FF FE。big 存放方式的檔案開頭為 FE FF。否則。將會產生嚴重混亂。
* 本函數只轉換字元，不負責增加頭部。
* iconv轉換過來的字串是 big endian存放的。
* 返回 ucs2string , 轉換過的字串。
* 感謝嘮叨（xuzuning）
*/
function utf8ToUnicode($str,$order="little")
{
$ucs2string ="";
$n=strlen($str);
for ($i=0;$i0x80) { //110xxxxx 10xxxxxx
$a = (ord($str[$i]) & 0x3F )0x80 && ord($str[$i+2])>0x80) { //1110xxxx 10xxxxxx 10xxxxxx
$a = (ord($str[$i]) & 0x1F)轉為utf8編碼字串
* 參數 str ,unicode編碼的字串。
* 參數 order ,unicode字串的存放次序，為big endian還是little endian.
* 返回 utf8string , 轉換過的字串。
*
*/
function unicodeToUtf8($str,$order="little")
{
$utf8string ="";
$n=strlen($str);
for ($i=0;$i轉回來。
$i++; //兩個位元組表示一個unicode字元。
$c = "";
if($val utf8string .= $c;
}
return $utf8string;
} // end func
/*
* 將utf8編碼的字串編碼為unicode 碼型，等同escape
* 之所以只接受utf8碼，因為只有utf8碼和unicode之間有公式轉換，其他的編碼都得查碼錶來轉換。
* 不知道尋找utf8碼的正則是否完全正確。迷茫ing
* 雖然調用utf2ucs對每個字元進行碼值計算。效率過低。然而，代碼清晰，要是把那個計算過程嵌入。
* 代碼就不太容易閱讀了。
*/
function utf8Escape($str) {
preg_match_all("/[＼xC0-＼xE0].|[＼xE0-＼xF0]..|[＼x01-＼x7f]+/",$str,$r);
//prt($r);
$ar = $r[0];
foreach($ar as $k=>$v) {
$ord = ord($v[0]);
if( $ordutf8碼
$ar[$k] = "%u".utf2ucs($v);
}
elseif ($ordutf8碼
$ar[$k] = "%u".utf2ucs($v);
}
}//foreach
return join("",$ar);
}
/**
*
* 把utf8編碼字元轉為ucs-2編碼
* 參數 utf8編碼的字元。
* 返回 該字元的unicode碼值。知道了碼值，你就能使用chr將字元弄出來了。
*
* 原理：unicode轉為utf-8碼的演算法是。頭部固定位或。
該過程的逆向演算法就是這個函數了，頭部固定位反位和。
*/
function utf2ucs($str){
$n=strlen($str);
if ($n=3) {
$highCode = ord($str[0]);
$midCode = ord($str[1]);
$lowCode = ord($str[2]);
$a = 0x1F & $highCode;
$b = 0x7F & $midCode;
$c = 0x7F & $lowCode;
$ucsCode = (64*$a + $b)*64 + $c;
}
elseif ($n==2) {
$highCode = ord($str[0]);
$lowCode = ord($str[1]);
$a = 0x3F & $highCode; //0x3F是0xC0的補數
$b = 0x7F & $lowCode; //0x7F是0x80的補數
$ucsCode = 64*$a + $b;
}
elseif($n==1) {
$ucscode = ord($str);
}
return dechex($ucsCode);
}
/*
* 用處 ：此函數用來逆轉javascript的escape函數編碼後的字元。
* 關鍵的正則尋找我不知道有沒有問題.
* 參數：javascript編碼過的字串。
* 如：unicodeToUtf8("%u5927")= 大
* 2005-12-10
*
*/
function phpUnescape($escstr){
preg_match_all("/%u[0-9A-Za-z]{4}|%.{2}|[0-9a-zA-Z.+-_]+/",$escstr,$matches); //prt($matches);
$ar = &$matches[0];
$c = "";
foreach($ar as $val){
if (substr($val,0,1)!="%") { //如果是字母數字+-_.的ascii碼
$c .=$val;
}
elseif (substr($val,1,1)!="u") { //如果是非字母數字+-_.的ascii碼
$x = hexdec(substr($val,1,2));
$c .=chr($x);
}
else { //如果是大於0xFF的碼
$val = intval(substr($val,2),16);
if($val %u".bin2hex( iconv( 'gbk' ,"UCS-2",$chars[$i].$chars[$i+1] ) );
$i++;
}
}//foreach
return $ar;
}
?>
當前1/2頁
12下一頁閱讀全文
