萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

PHP ASCII 碼與字符串雙向轉換實現

ASCII/Unicode 編碼轉換在數據清洗、前端傳輸、存儲優化等場景頻繁出現。PHP 內建 ord()/chr() 僅支援單位元組字符,處理多位元組 UTF-8 需自行實現。本文提供一個完整的 Ascii 類,支援任意 Unicode 代碼點與 HTML 實體(〹)格式的雙向轉換。

完整類代碼

<?php
class Ascii {
    /**
     * 將 HTML 實體字符串(如 "中文")解碼為 UTF-8 字符串
     * @param string $str 實體字符串
     * @param string $prefix 實體前綴,預設 '&#'
     * @return string UTF-8 字符串
     */
    public function decode($str, $prefix = '&#') {
        $str = str_replace($prefix, '', $str);
        $codePoints = explode(';', $str);
        $utf = '';
        
        foreach ($codePoints as $dec) {
            if ($dec === '') continue; // 結尾分號產生的空元素
            $dec = (int)$dec;
            if ($dec < 0x80) {                    // 1 位元組
                $utf .= chr($dec);
            } elseif ($dec < 0x800) {             // 2 位元組
                $utf .= chr(0xC0 | ($dec >> 6));
                $utf .= chr(0x80 | ($dec & 0x3F));
            } elseif ($dec < 0x10000) {           // 3 位元組
                $utf .= chr(0xE0 | ($dec >> 12));
                $utf .= chr(0x80 | (($dec >> 6) & 0x3F));
                $utf .= chr(0x80 | ($dec & 0x3F));
            } elseif ($dec < 0x110000) {          // 4 位元組
                $utf .= chr(0xF0 | ($dec >> 18));
                $utf .= chr(0x80 | (($dec >> 12) & 0x3F));
                $utf .= chr(0x80 | (($dec >> 6) & 0x3F));
                $utf .= chr(0x80 | ($dec & 0x3F));
            }
            // 超出 Unicode 範圍忽略
        }
        return $utf;
    }

    /**
     * 將 UTF-8 字符串編碼為 HTML 實體字符串
     * @param string $str UTF-8 字符串
     * @param string $prefix 實體前綴,預設 '&#'
     * @return string 實體字符串,如 "中文"
     */
    public function encode($str, $prefix = '&#') {
        $len = strlen($str);
        $i = 0;
        $result = '';
        
        while ($i < $len) {
            $byte = ord($str[$i]);
            $codePoint = 0;
            $bytes = 1;
            
            if ($byte < 0x80) {                    // 0xxxxxxx
                $codePoint = $byte;
            } elseif (($byte & 0xE0) === 0xC0) {   // 110xxxxx
                $codePoint = ($byte & 0x1F) << 6;
                $codePoint |= ord($str[++$i]) & 0x3F;
                $bytes = 2;
            } elseif (($byte & 0xF0) === 0xE0) {   // 1110xxxx
                $codePoint = ($byte & 0x0F) << 12;
                $codePoint |= (ord($str[++$i]) & 0x3F) << 6;
                $codePoint |= ord($str[++$i]) & 0x3F;
                $bytes = 3;
            } elseif (($byte & 0xF8) === 0xF0) {   // 11110xxx
                $codePoint = ($byte & 0x07) << 18;
                $codePoint |= (ord($str[++$i]) & 0x3F) << 12;
                $codePoint |= (ord($str[++$i]) & 0x3F) << 6;
                $codePoint |= ord($str[++$i]) & 0x3F;
                $bytes = 4;
            } else {
                // 非法序列,跳過
                $i++;
                continue;
            }
            
            $result .= $prefix . $codePoint . ';';
            $i++;
        }
        return $result;
    }
}
?>

使用示例

<?php
$ascii = new Ascii();
$original = 'PHP二次開發:www.php2.cc';

// 編碼
$encoded = $ascii->encode($original);
echo "Encoded: $encoded\n";
// 輸出: PHP二正开发:www.php2.cc

// 解碼
$decoded = $ascii->decode($encoded);
echo "Decoded: $decoded\n";
// 輸出: PHP二次開發:www.php2.cc

var_dump($original === $decoded); // bool(true)
?>

核心邏輯解析

編碼流程

  1. 逐位元組讀取字符串,根據 UTF-8 首位元組標識位判斷字符長度(1-4 位元組)。
  2. 按位運算提取有效載荷位,組合為 Unicode 代碼點(整數)。
  3. 拼接為 &#代碼點; 格式。

解碼流程

  1. 移除前綴 &#,按 ; 分割得到代碼點字符串陣列。
  2. 將每個代碼點轉為整數,根據範圍編碼為 UTF-8 位元組序列:
  • U+0000 ~ U+007F:1 位元組 0xxxxxxx
  • U+0080 ~ U+07FF:2 位元組 110xxxxx 10xxxxxx
  • U+0800 ~ U+FFFF:3 位元組 1110xxxx 10xxxxxx 10xxxxxx
  • U+10000 ~ U+10FFFF:4 位元組 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
  1. 拼接位元組得到原始 UTF-8 字符串。

替代方案與效能對比

  • 需精確控制實體格式、無擴展依賴
  • 方法適用場景效能備註
    mb_convert_encoding($str, 'HTML-ENTITIES', 'UTF-8') 快速原型、簡單需求 中等 需啟用 mbstring 擴展,輸出格式為 &#xHHHH; 十六進制
    json_encode($str, JSON_UNESCAPED_UNICODE | JSON_HEX_TAG | JSON_HEX_APOS | JSON_HEX_QUOT | JSON_HEX_AMP) API 輸出、前端傳輸 高 輸出 JSON 字符串,非純實體格式
    本文 Ascii 類 中等(純 PHP 實現) 完全可控,適合教學與特殊格式需求

    常見坑點

    • BOM 頭干擾:讀取文件時若含 BOM,首字符代碼點為 65279 (U+FEFF),需先移除。
    • 非法 UTF-8 序列:來源不可信時,建議先 mb_check_encoding($str, 'UTF-8') 驗證。
    • 代碼點超出範圍:Unicode 最大為 0x10FFFF,編碼時應過濾更大值。
    copyright © 萬盛學電腦網 all rights reserved