UTF 8編碼問題編碼長度問題

utf-8編碼問題編碼長度問題

utf-8經常被用於文字檔案和網路傳輸，因為不少這類場合還停留在ansi時代，需要向純ascii相容。utf-8是unicode的一種變長字元編碼，長度在1至6位元組。這裡注意一下，utf-8曾經是6位元組，現在是4位元組，兩者都對。但如果你看到介紹utf-8的文章說是6位元組，基本可以判斷這是比較早的文章。在內容只是ascii的0x00~0x7f時，utf-8與ascii或各種ansi編碼（如gb，jisksc，iso-8859-1）的ascii部分完全相容，也是用1位元組的低7位表示。這就保證文字編輯器開啟的utf-8格式文件中，即使擴充套件字元無法顯示，但ascii部分肯定得以順利解讀。這點對於還需要假定是各種ansi編碼的場合非常有用，比如html，前面的純ascii部分一直到meta標記，然後可以確定隨後的編碼，而此時utf-16 則不能正常工作。utf-8採用如下所示的二進位制方式來表示31位ucs-4，x表示有效位：

1位元組 0******x

2位元組 110***xx 10******

3位元組 1110***x 10****** 10******

4位元組 11110*** 10****** 10****** 10******

5位元組 111110xx 10****** 10****** 10****** 10******

6位元組 1111110x 10****** 10****** 10****** 10****** 10******

從上可以看得出，如果處在第一位元組的引導位元組最高位為0，則是一位元組。否則看前導1的個數，來確定是幾個位元組長。前導1與有效位之間有0相隔，也可以通過首位元組的值範圍來確定位元組數。

1位元組 0 ~127

2位元組 192~223

3位元組 224~239

4位元組 240~247

5位元組 248~251

6位元組 252~253

隨後的位元組每個都以10為前導位，取值範圍則在128~191之間。可以立即得知乙個位元組是否為後續位元組，因為引導位元組的引導位不是00、01就是11，不會是10。

擷取8個字元：

字串:stefan²º¹³

位元組數:14

字元數:10

01110011

01110100

01100101

01100110

01100001

01101110

11000010

10110010

11000010

10111010

11000010

10111001

11000010

10110011

錯誤的：

字串:stefan�0

位元組數:10

字元數:8

01110011

01110100

01100101

01100110

01100001

01101110

11101111

10111111

10111101

00110000

正確的：

字串:stefan²º

位元組數:10

字元數:8

01110011

01110100

01100101

01100110

01100001

01101110

11000010

10110010

11000010

10111010

mb_internal_encoding("utf-8");
$t = "stefan²º¹³";
$t = "絕望的奧特曼絕望的奧特曼";
//$t = "stefan�0";
//$t = mb_substr($t, 0, 8);
$t = my_substr($t, 2, 8);
echo "字串:" . $t . "\n";
echo "位元組數:" . strlen($t) . "\n";
echo "字元數:" . mb_strlen($t) . "\n";
$len = strlen($t);
for($i=0;$i<$len;$i++)
echo $bin . "\n";
}//自定義utf8擷取函式
function my_substr($str, $start, $len)
else if($dec>=192 && $dec<=223)
else if($dec>=224 && $dec<=239)
else if($dec>=240 && $dec<=247)
else if($dec>=248 && $dec<=251)
else if($dec>=252 && $dec<=253)
else
for($j=$byte_len;$j>0;$j--)
$i++;
}if($cur_len>=$start)
$cur_len++;
if($sub_len>=$len)
}return $new_str;
}

UTF 8編碼問題編碼長度問題

UTF8工程編碼問題

eclipse設定UTF 8編碼問題

UTF 8編碼的空格（194 160）問題

UTF 8編碼問題編碼長度問題

UTF8工程編碼問題

eclipse設定UTF 8編碼問題

UTF 8編碼的空格（194 160）問題

相關推薦