阮一峰大佬：Unicode-8的编码规则（n>1）

前言

阅读本文，需要同学们已经对 Unicode 和 UTF-8 有了一定的了解。若是还未了解，这里推荐同学们阅读阮一峰大佬的相关文章（也是本文参考来源）：

字符编码笔记：ASCII，Unicode 和 UTF-8Unicode 与 JavaScript 详解UTF-8 的编码规则

UTF-8 是一种变长的编码方法，字符长度从1个字节到4个字节不等。越是常用的字符，字节越短，最前面的128个字符，只使用1个字节表示，与ASCII码完全相同。

UTF-8 编码规则：

对于单字节的符号，字节的第一位设为0，后面7位为这个符号的 Unicode 码。因此对于英语字母，UTF-8 编码和 ASCII 码是相同的。对于n字节的符号（n > 1），第一个字节的前n位都设为1，第n + 1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的 Unicode 码。

下表是对编码规则的总结，字母x表示可用编码的位。

Unicode符号范围（十六进制）UTF-8编码方式（二进制）字节数

url unicode编码转换_php unicode编码转换_js unicode编码转换器

0000 0000——0000 007F

0xxxxxxx

0000 0080——0000 07FF

110xxxxx 10xxxxxx

0000 0800——0000 FFFF

1110xxxx 10xxxxxx 10xxxxxx

0001 0000——0010 FFFF

11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

现在js unicode编码转换器，我们依据上表，来解读一下 UTF-8 编码。如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节。

经过解读，想必同学们对 UTF-8 编码规则已有所了解。下面，我们就以汉字好为例，演示如何实现 UTF-8 编码。

根据上表，可以得知597d处在0000 0800 - 0000 FFFF（十进制，2048-65535）范围内，所以好的 UTF-8 编码需要3个字节，也就是说它的格式是1110xxxx 10xxxxxx 10xxxxxx。

然后，从好的最后一个二进制位开始，依次从后向前替换掉格式中的x，多出的位补0。这样js unicode编码转换器，我们就得到了好的 UTF-8 编码：10，转换成十六进制就是e5a5bd。

代码实现

下面的就是 Unicode 编码转 UTF-8 编码的代码实现。它是根据 UTF-8 编码规则来实现的，在阅读时，建议结合上面的表格和规则一起看。

function toByte(data) {

        let parsedData = [];
        for (let i = 0, l = data.length; i < l; i++) {
            let byteArray = [];
            // charCodeAt() 方法可返回指定位置的字符的 Unicode 编码，返回值是 0 - 65535 
            // 之间的整数，表示给定索引处的 UTF-16 代码单元。
            let code = data.charCodeAt(i);
        // 十六进制转十进制：0x10000 ==> 65535  0x800 ==> 2048  0x80 ==> 128
        if (code > 0x10000) { // 4个字节
            // 0xf0 ==> 11110000 
            // 0x80 ==> 10000000
            byteArray[0] = 0xf0 | ((code & 0x1c0000) >>> 18); // 第 1 个字节
            byteArray[1] = 0x80 | ((code & 0x3f000) >>> 12); // 第 2 个字节
            byteArray[2] = 0x80 | ((code & 0xfc0) >>> 6); // 第 3 个字节
            byteArray[3] = 0x80 | (code & 0x3f); // 第 4 个字节
        } else if (code > 0x800) { // 3个字节
            // 0xe0 ==> 11100000
            // 0x80 ==> 10000000
            byteArray[0] = 0xe0 | ((code & 0xf000) >>> 12);
            byteArray[1] = 0x80 | ((code & 0xfc0) >>> 6);
            byteArray[2] = 0x80 | (code & 0x3f);
        } else if (code > 0x80) { // 2个字节
            // 0xc0 ==> 11000000
            // 0x80 ==> 10000000
            byteArray[0] = 0xc0 | ((code & 0x7c0) >>> 6);
            byteArray[1] = 0x80 | (code & 0x3f);
        } else { // 1个字节
            byteArray[0] = code;
        }
            parsedData.push(byteArray);
        }
        parsedData = Array.prototype.concat.apply([], parsedData);
        
        console.log('输出结果：', parsedData);
        console.log('转二进制：',
            parseInt(parsedData[0].toString(2)),
            parseInt(parsedData[1].toString(2)),
            parseInt(parsedData[2].toString(2)),
        );
    }

为了大家易于理解代码，我们还以好为例进行解读。

下面，是以好为例时，进入的逻辑代码。

// 代码要结合 UTF-8 规则一起看，特别是如何用二进制补位的规则

    // 格式：1110xxxx 10xxxxxx 10xxxxxx
    // code二进制 ==>  1011001 01111101
    // 各字节分别的补位：
    // 第一个字节：101
    // 第二个字节：100101
    // 第三个字节：111101
    // 0xf000 ==>    11110000 00000000
    // 0xfc0 ==>         1111 11000000
    // 0x3f ==>                 111111
            
            
    // 0xe0 ==> 11100000
    // 0x80 ==> 10000000
    // 按位与运算通常用来对某些位清 0 或保留某些位（取特定位）。
    // 按位或可用来给指定位设定为 1
    byteArray[0] = 0xe0 | ((code & 0xf000) >>> 12);
    byteArray[1] = 0x80 | ((code & 0xfc0) >>> 6);
    byteArray[2] = 0x80 | (code & 0x3f);

运算分析：

结果展示：

php unicode编码转换_url unicode编码转换_js unicode编码转换器