JS 中文 UTF-8编码互转

JavaScript014

JS 中文 UTF-8编码互转,第1张

中文转UTF-8:

let str = '中文内容'    //待转换中文

escape(str ).replace(/(%u)(\w{4})/gi, "$2")

UTF-8转中文:

let str = '徐恒'    //待转换UTF-8

unescape(str .replace(//g, '%u').replace(//g, ''))

//--------把中文字符转换成Utf8编码------------------------//

 function EncodeUtf8(s1)

  {

      var s = escape(s1)

      var sa = s.split("%")

      var retV =""

      if(sa[0] != "")

      {

         retV = sa[0]

      }

      for(var i = 1 i < sa.length i ++)

      {

           if(sa[i].substring(0,1) == "u")

           {

               retV += Hex2Utf8(Str2Hex(sa[i].substring(1,5)))

              

           }

           else retV += "%" + sa[i]

      }

     

      return retV

  }

  function Str2Hex(s)

  {

      var c = ""

      var n

      var ss = "0123456789ABCDEF"

      var digS = ""

      for(var i = 0 i < s.length i ++)

      {

         c = s.charAt(i)

         n = ss.indexOf(c)

         digS += Dec2Dig(eval_r(n))

          

      }

      //return value

      return digS

  }

  function Dec2Dig(n1)

  {

      var s = ""

      var n2 = 0

      for(var i = 0 i < 4 i++)

      {

         n2 = Math.pow(2,3 - i)

         if(n1 >= n2)

         {

            s += '1'

            n1 = n1 - n2

          }

         else

          s += '0'

         

      }

      return s

     

  }

  function Dig2Dec(s)

  {

      var retV = 0

      if(s.length == 4)

      {

          for(var i = 0 i < 4 i ++)

          {

              retV += eval_r(s.charAt(i)) * Math.pow(2, 3 - i)

          }

          return retV

      }

      return -1

  }

  function Hex2Utf8(s)

  {

     var retS = ""

     var tempS = ""

     var ss = ""

     if(s.length == 16)

     {

         tempS = "1110" + s.substring(0, 4)

         tempS += "10" +  s.substring(4, 10)

         tempS += "10" + s.substring(10,16)

         var sss = "0123456789ABCDEF"

         for(var i = 0 i < 3 i ++)

         {

            retS += "%"

            ss = tempS.substring(i * 8, (eval_r(i)+1)*8)

           

           

           

            retS += sss.charAt(Dig2Dec(ss.substring(0,4)))

            retS += sss.charAt(Dig2Dec(ss.substring(4,8)))

         }

         return retS

     }

     return ""

  }

ASCII 只有127个字符,表示英文字母的大小写、数字和一些符号,但由于其他语言用ASCII 编码表示字节不够,例如:常用中文需要两个字节,且不能和ASCII冲突,中国定制了GB2312编码格式,相同的,其他国家的语言也有属于自己的编码格式。

由于每个国家的语言都有属于自己的编码格式,在多语言编辑文本中会出现乱码,这样Unicode应运而生,Unicode就是将这些语言统一到一套编码格式中,通常两个字节表示一个字符,而ASCII是一个字节表示一个字符,这样如果你编译的文本是全英文的,用Unicode编码比ASCII编码需要多一倍的存储空间,在存储和传输上就十分不划算。

为了解决上述问题,又出现了把Unicode编码转化为“可变长编码”UTF-8编码,UTF-8编码将Unicode字符按数字大我码为1-6个字节,英文字母被编码成一个字节,常用汉字被编码成三个字节,如果你编译的文本是纯英文的,那么用UTF-8就会非常节省空间,并且ASCII码也是UTF-8的一部分。

搞清楚了ASCII、Unicode和UTF-8的关系,我们就可以总结一下现在计算机系统通用的字符编码工作方式:(1) 在计算机内存中,统一使用Unicode编码,当需要保存到硬盘或者需要传输的时候,就转换为UTF-8编码。(2)用记事本编辑的时候,从文件读取的UTF-8字符被转换为Unicode字符到内存里,编辑完成后,保存的时候再把Unicode转换为UTF-8保存到文件。如下图:

浏览网页的时候,服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器: