简单谈谈php中的unicode和utf8编码 重新认识unicode和utf8编码
直到今天，准确的说是刚才，我才知道utf-8编码和unicode编码是不一样的，是有区别的囧
他们之间是有一定的联系的，看看他们的区别：
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
unicode和utf8的关系
unicode(16进制)
utf-8(二进制)
0000 - 007f 0xxxxxxx
0080 - 07ff 110xxxxx 10xxxxxx
0800 - ffff 1110xxxx 10xxxxxx 10xxxxxx
上面的表格有2个意思，第一个显而易见就是说unicode和utf-8字符范围的对应，还有一个可以看出unicode怎么和utf-8互相转换：
先说utf-8到unicode的转换
utf-8编码的二进制和上面的3种格式进行匹配，匹配到之后去掉固定位（表格中的非x位置），然后从右到左每8位一组，不够8位左边不领，凑够2个字节16 bits，这16 bits所表示的就是utf-8对应的unicode编码，看看下面几个例子：
上面图片中的文字编码格式为utf-8，可以用winhex看到其16进制表示
 代码如下:
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
字 => 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
再看看从unicode到utf-8的转换
复制代码 代码如下:
5b57
获取5b57所在的unicode范围，0800 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 
说说问题
再说说今天这个问题的起因，从前端输入很多单词，utf-8格式每个词最多30个字节，因此会在前端和后台分别做验证，javascript用的是unicode编码，后端程序用的是utf-8编码，现在的解决办法是这样
前端
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
function utf8_bytes(str)
{
var len = 0, unicode;
for(var i = 0; i
{
unicode = str.charcodeat(i);
if(unicode
++len;
} else if(unicode
len += 2;
} else if(unicode
len += 3;
}else {
throw characters must be usc-2!!
}
}
return len;
}
#例子
utf8_bytes('asdasdas')
8
utf8_bytes('yrt燕睿涛')
12
后台
1
2
3
4
#对于gbk字符串
$len = ceil(strlen(bin2hex(iconv('gbk', 'utf-8', $word)))/2);
#对于utf8字符串
$len = ceil(strlen(bin2hex($word))/2);
以上所述就是本文的全部内容了，希望大家能够喜欢。
http://www.bkjia.com/phpjc/1014274.htmlwww.bkjia.comtruehttp://www.bkjia.com/phpjc/1014274.htmltecharticle简单谈谈php中的unicode和utf8编码 重新认识unicode和utf8编码 直到今天，准确的说是刚才，我才知道utf-8编码和unicode编码是不一样的，是有区别...