首页 > php代码 > php对unicode转utf-8编码

php对unicode转utf-8编码

如果只是unicode转utf-8编码的算法,网上到处都是了,不过很多人也是你抄我,我抄你,根本就不理解why和do,本文除了给出最简单的php对unicode转utf-8编码函数之外,也深入讨论了这两种编码的关系,理解好了会发现网上一些旧的东西,是严重多余兼过期的,因为从utf-8流行开始到现在,早已经由原来六字节可变编码到实际完全居于unicode(UCS-2)的稳定阶段。

unicode编码是实现utf-8与gb系列编码(gb2312、gbk、gb18030)转换的基础,虽然我们也可以直接做一个utf-8到这些编码的对照表,但很少有人会这么做,因为utf-8的可变编码具有不确定性,因此一般情况使用都是unicode与gb编码的对照表,unicode(UCS-2)实际上是utf-8的基础编码,utf-8只是它的一种实现而已,两者存在下面的对应关系:

Unicode符号范围           | UTF-8编码方式

u0000 0000 - u0000 007F   | 0xxxxxxx

u0000 0080 - u0000 07FF   | 110xxxxx 10xxxxxx

u0000 0800 - u0000 FFFF   | 1110xxxx 10xxxxxx 10xxxxxx

由于目前utf-8使用的字符都是居于UCS-2的,因此对于4-6字节编码的情况是不必考虑的,同样地,在反向转换的时候,如果出现四字节以上的utf-8字符,可以直接视为乱码忽略掉或转为unicode实体形式("&#long int;"形式),然后交给浏览器或相关解析程序去处理,用php把unicode转为utf-8编码的算法如下:

<?php
/*
 * 参数 $c 是unicode字符编码的int类型数值,
 * 如果是用二进制读取的数据,在php中通常要用 hexdec(bin2hex( $bin_unichar ))这样转换
*/
function uni2utf8($c) {
    if ($c < 0x80) {
        $utf8char = chr($c);
    } else if ($c < 0x800) {
        $utf8char = chr(0xC0 | $c >> 0x06) . chr(0x80 | $c & 0x3F);
    } else if ($c < 0x10000) {
        $utf8char = chr(0xE0 | $c >> 0x0C) . chr(0x80 | $c >> 0x06 & 0x3F) . chr(0x80 | $c & 0x3F);
    }
    //因为UCS-2只有两字节,所以后面的情况是不可能出现的,
    //这里只是说明unicode HTML实体编码的用法。
    else {
        $utf8char = "&#{$c};";
    }
    return $utf8char;
}

在目前的环境范围内,可以认为utf - 8字符集 == unicode(UCS - 2) ,但从理论上,主要字符集之关的包含关系如下:utf - 8 > unicode(UCS - 2) > gb18030 > gbk > gb2312因此,如果编码都正确的情况下gb2312 => gbk => gb18030 => unicode(UCS - 2) => utf - 8这样的一个转变过程,基本上是无损的,但反而言之,由utf - 8 => unicode(UCS - 2) => gb18030 => gbk => gb2312这样的转变过程,是很可能存在不能识别的字符的,因此,如果对于使用utf - 8编码的系统,尽量不要轻易的去做反向转换编码的操作。


教程地址:http://www.phprm.com/code/c31030385bb9c831348213f8474ecbef.html

欢迎转载!但请带上文章地址^^

标签:none

发表留言