Wie extrahiere ich UCS-2-Codepunkte aus UTF-8-Zeichen in PHP?

Bestimmen von UCS-2-Codepunkten für UTF-8-Zeichen in PHP

Die vorliegende Aufgabe besteht darin, die UCS-2-Codepunkte zu extrahieren für Zeichen innerhalb einer bestimmten UTF-8-Zeichenfolge. Um dies zu erreichen, kann eine benutzerdefinierte PHP-Funktion definiert werden.

Zunächst ist es wichtig, das UTF-8-Codierungsschema zu verstehen. Jedes Zeichen wird abhängig von seinem Unicode-Codepunkt durch eine Folge von 1 bis 4 Bytes dargestellt. Die Bereiche für jede Bytegröße sind wie folgt:

• 0xxxxxxx: 1 Byte
• 110xxxxxx 10xxxxxx: 2 Bytes
• 1110xxxxx 10xxxxxx 10xxxxxx: 3 Bytes
• 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx: 4 Bytes

Um die Anzahl der Bytes pro Zeichen zu bestimmen, untersuchen Sie das erste Byte:

• 0: 1-Byte-Zeichen
• 110: 2-Byte-Zeichen
• 1110: 3 Byte Zeichen
• 11110: 4-Byte-Zeichen
• 10: Fortsetzungsbyte
• 11111: Ungültiges Zeichen

Sobald die Anzahl der Bytes bestimmt ist, Bit Manipulation kann verwendet werden, um den Codepunkt zu extrahieren.

Benutzerdefiniertes PHP Funktion:

Basierend auf der obigen Analyse ist hier eine benutzerdefinierte PHP-Funktion, die ein einzelnes UTF-8-Zeichen als Eingabe verwendet und seinen UCS-2-Codepunkt zurückgibt:

<code class="php">function get_ucs2_codepoint($char)
{
    // Initialize the code point
    $codePoint = 0;

    // Get the first byte
    $firstByte = ord($char);

    // Determine the number of bytes
    if ($firstByte <p> <strong>Beispielverwendung:</strong></p>
<p>Um die Funktion zu verwenden, geben Sie einfach ein UTF-8-Zeichen als ein Eingabe:</p>
<pre class="brush:php;toolbar:false"><code class="php">$char = "ñ";
$codePoint = get_ucs2_codepoint($char);
echo "UCS-2 code point: $codePoint\n";</code>

Ausgabe:

UCS-2 code point: 241

Das obige ist der detaillierte Inhalt vonWie extrahiere ich UCS-2-Codepunkte aus UTF-8-Zeichen in PHP?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!