今日まで、正確に言うと、UTF-8エンコーディングとUnicodeエンコーディングが異なること、違いがあることを知りませんでした囧
間には一定のつながりがありますはい、違いを見てください:
<code>UTF-8的长度是不一定的,有可能是1、2、3字节 Unicode长度一定,2个字节(USC-2) UTF-8可以和Unicode互相转换</code>
Unicode (16) | UTF-8 (バイナリ) |
---|---|
00000 - 007F | 0xxxxxxx |
0080 - 07FF | 110xxxxx 10xxxxxx |
0800 - FFFF | 1110xxxx 10xxxxxx 10xxxxxx |
1つ目は明らかにUTF-8文字範囲へのUnicode対応です。 Unicode と UTF がどのように機能するかを確認する別の方法8 は相互に変換できます:
UTF-8 でエンコードされたバイナリは上記の 3 つの形式と照合され、照合後に固定ビットが削除されます (非 x 位置)表内)、8 ビットのグループごとに右から左に移動し、8 ビットが足りない場合、左側は 2 バイトと 16 ビットで構成され、対応する Unicode エンコーディングを表します。を UTF-8 に変換するには、次の例を見てください:
上の図のテキスト エンコーディング形式は UTF-8 で、WinHex を使用してその 16 進表現を確認できます
<code>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 => 11100110 10110001 10001001 => 01101100 01001001 => 6C49 汉 => E5AD97 => 11100101 10101101 10010111 => 01011011 01010111 => 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已经是一件非常容易的事了,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 继续读取2个字节得到 11100101 10101101 10010111 按照格式去掉固定位 1011011 01010111 不够16位,左边补零 01011011 01010111 => 5B57</code>
<code>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1110xxxx 10xxxxxx 10xxxxxx 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 11100101 10101101 10010111 </code>
今日の問題の原因について話しましょう UTF-8 形式では各単語が最大 30 バイトなので、検証が行われます。 JavaScript はフロントエンドとバックエンドでそれぞれ行われます。バックエンド プログラムは UTF-8 エンコーディングを使用します。現在の解決策は次のとおりです
<code>function utf8_bytes(str) { var len = 0, unicode; for(var i = 0; i < str.length; i++) { unicode = str.charCodeAt(i); if(unicode < 0x0080) { ++len; } else if(unicode < 0x0800) { len += 2; } else if(unicode <= 0xFFFF) { len += 3; }else { throw "characters must be USC-2!!" } } return len; } #例子 utf8_bytes('asdasdas') 8 utf8_bytes('yrt燕睿涛') 12</code>
5/21/2015 8:21:53 PMこの記事の著作権は作者iforever(luluyrt@163 .com)に帰属します。記事を転載した後、作者へのリンク、および作者の承諾なしに転載することを禁止します。原文は記事ページのわかりやすい位置に提供する必要があります。そうでない場合、当社は法的責任を追及する権利を留保します。以上、Unicode と utf8 エンコーディングの再理解について、その側面も含めて紹介しましたが、PHP チュートリアルに興味のある友人の参考になれば幸いです。