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

Umwandeln von UTF-8-Zeichen in UCS-2-Codepunkte

In diesem Artikel untersuchen wir, wie man die UCS-2-Codepunkte extrahiert von Zeichen innerhalb einer UTF-8-Zeichenfolge. Wir werden eine detaillierte Erklärung des Prozesses und eine Implementierung in den PHP-Versionen 4 oder 5 bereitstellen.

UTF-8 verstehen

UTF-8 ist ein Zeichenkodierungsstandard, der stellt Unicode-Zeichen mit ein bis vier Bytes dar. Um die Anzahl der Bytes für ein bestimmtes Zeichen zu ermitteln, untersuchen Sie das führende Byte:

• 0xxxxxxx: 1-Byte-Zeichen
• 110xxxxx: 2-Byte-Zeichen
• 1110xxxx : 3-Byte-Zeichen
• 11110xxx: 4-Byte Zeichen

Konvertierung in UCS-2

UCS-2, auch bekannt als UTF-16, ist ein Zeichenkodierungsformat, das die meisten Unicode-Zeichen darstellen kann. Die Konvertierung von UTF-8 nach UCS-2 berücksichtigt die Anzahl der Bytes pro Zeichen wie folgt:

• 1-Byte-Zeichen: Der Codepunkt ist direkt das UTF-8-Byte Wert.
• 2-Byte-Zeichen: Verschieben Sie das erste Byte um 6 Bits nach links und verknüpfen Sie es bitweise mit dem zweiten Byte.
• 3-Byte-Zeichen: Verschieben Sie das erste Byte um 12 Bit nach links, das zweite Byte um 6 Bit nach links und verknüpfen Sie sie bitweise mit dem dritten Byte.

Implementierung in PHP 4/5

Für PHP-Versionen 4 oder 5 können Sie eine Funktion implementieren, um diese Konvertierung durchzuführen:

<code class="php">function utf8_char_to_ucs2($utf8) {
    if (!(ord($utf8[0]) & 0x80)) {
        return ord($utf8[0]);
    } elseif ((ord($utf8[0]) & 0xE0) == 0xC0) {
        return ((ord($utf8[0]) & 0x1F) << 6) | (ord($utf8[1]) & 0x3F);
    } elseif ((ord($utf8[0]) & 0xF0) == 0xE0) {
        return ((ord($utf8[0]) & 0x0F) << 12) | ((ord($utf8[1]) & 0x3F) << 6) | (ord($utf8[2]) & 0x3F);
    } else {
        return null; // Handle invalid characters or characters beyond UCS-2 range
    }
}</code>

Beispielverwendung

<code class="php">$utf8 = "hello";
for ($i = 0; $i < strlen($utf8); $i++) {
    $ucs2_codepoint = utf8_char_to_ucs2($utf8[$i]);
    printf("Code point for '%s': %d\n", $utf8[$i], $ucs2_codepoint);
}</code>

Dies wird Folgendes ausgeben:

Code point for 'h': 104
Code point for 'e': 101
Code point for 'l': 108
Code point for 'l': 108
Code point for 'o': 111

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