unicode字符集是我們世界上最完善最全面的字符集，幾乎包含了世界上所有的字符。其實(shí)可以這么理解，unicode字符集是一張巨大的表格，把世界上各種語言的字符和標(biāo)點(diǎn)符號(hào)都編排到里面，然后按照一定的順序給每個(gè)字符排號(hào)（很遺憾的是對(duì)于中文來說，這個(gè)順序不是按照漢語拼音的順序）。有了這張巨大的表格，世界上大部分字符就都有一個(gè)unicode內(nèi)碼（整數(shù)）來對(duì)應(yīng)。計(jì)算機(jī)就通過記錄字符的unicode碼來表示這個(gè)字符，然后交給操作系統(tǒng)，操作系統(tǒng)通過unicode碼到字符字體點(diǎn)陣的映射把這個(gè)內(nèi)碼轉(zhuǎn)換成字體點(diǎn)陣顯示到我們的屏幕上。

         utf8是我們常用的編碼方式，在web開發(fā)中使用utf8編碼能完全解決字符集問題。其實(shí)utf8是unicode字符集的一種物理實(shí)現(xiàn)，它描述了如何高效的存儲(chǔ)unicode的內(nèi)碼（就是上面說的字符在字符集的順序碼），RFC2044文檔(http: //www.ietf.org/rfc/rfc2044.txt?number=2044)描述了如何從一個(gè)內(nèi)碼轉(zhuǎn)換成utf8格式的算法。英文不好沒關(guān)系，看這個(gè)轉(zhuǎn)換表就會(huì)馬上明白了：

   UCS-4 range (hex.)           UTF-8 octet sequence (binary)
   0000 0000-0000 007F   0xxxxxxx
   0000 0080-0000 07FF   110xxxxx 10xxxxxx
   0000 0800-0000 FFFF   1110xxxx 10xxxxxx 10xxxxxx
   0001 0000-001F FFFF   11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
   0020 0000-03FF FFFF   111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
   0400 0000-7FFF FFFF   1111110x 10xxxxxx ... 10xxxxxx

         上面的表格左邊是16進(jìn)制表示的unicode內(nèi)碼，最后一行的16進(jìn)制數(shù)“7FFF FFFF”是utf8所能表示的內(nèi)碼的最大值，換成10進(jìn)制是這樣的一個(gè)數(shù)：2147483647（夠大吧:)）[對(duì)不起，此文最初這兒寫錯(cuò)了，已改正]。上面表格中右邊一列就是utf8的二進(jìn)制格式,轉(zhuǎn)換規(guī)則可謂一目了然。我直接給出算法吧(js代碼)：

    function toUtf8(code)
    {
     var iByte=0;
     var i=0;
     result="";
     while(code>0x7f)
     {
      iByte=code%0x40;
      code=(code-iByte)/0x40;
      result="%"+(iByte|0x80).toString(16).toUpperCase()+result;
      i++;
     }
     prefix=[0x0,0xc0,0xe0,0xf0,0xf8,0xfc];
     if(i>prefix.length)
     {
      i=5;
     }
     result=""+(code|prefix[i]).toString(16).toUpperCase()+result;
     return result;
    }
        

          例如字符"漢"的unicode是6C49，把這個(gè)unicode字符表示為一個(gè)大整數(shù)，然后轉(zhuǎn)變成多字節(jié)編碼110110001001001：
          觀察這個(gè)整數(shù)的二進(jìn)制碼序列（110，110001，001001）
          從后往前取
          如果這個(gè)二進(jìn)制序列只有后7位（小于128,也就是ascii字符）則直接取后7位二進(jìn)制數(shù)形成一個(gè)utf8字符。
          上面的字符“漢”二進(jìn)制序列大于7位，所以取后6位(1001001)，加10形成一個(gè)utf8字節(jié)（10 001001 ,16進(jìn)制89）。
          剩下的二進(jìn)制序列（110，110001）從后向前取6位，加10形成一個(gè)utf8字節(jié)（10 110001，16進(jìn)制B1）。
          剩下的二進(jìn)制序列（110）從后向前取6位，由于不足6位，將這個(gè)數(shù)和1110000相或，得到字符11100110，16進(jìn)制E6
          最后，就得到了utf8編碼，16進(jìn)制表示為E6B189

           【應(yīng)用領(lǐng)域】
           雖然這種標(biāo)準(zhǔn)算法大部分已經(jīng)由開發(fā)工具提供商或者庫實(shí)現(xiàn)，但是我們依然會(huì)在某些時(shí)候需要自己實(shí)現(xiàn)這種算法：
           某些瀏覽器(ie5)不支持encodeURI函數(shù)，那么使用ajax提交漢字有兩種方案：
                 漢字字符經(jīng)escape轉(zhuǎn)變成形如"%uXXXX"的字符，服務(wù)端使用上述算法將u后面的unicode序號(hào)轉(zhuǎn)變成utf8字符
                 使用上面的算法結(jié)合escape直接在客戶端實(shí)現(xiàn)encodeURI功能（推薦使用這種方案）

            實(shí)現(xiàn)json-rpc服務(wù)
            json轉(zhuǎn)變。對(duì)于php來說，現(xiàn)在有兩個(gè)開源項(xiàng)目JSON-PHP 和 PHP-JSON。
            json-rpc是一種以json為數(shù)據(jù)格式的rpc協(xié)議，可以方便應(yīng)用與ajax項(xiàng)目中，json-rpc.org是一個(gè)開源的實(shí)現(xiàn)。

最新評(píng)論