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
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
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
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')8utf8_bytes('yrt燕睿涛')12
后台
#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。