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。
<?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;
}
}
?>
<?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 === $decoded); // bool(true)
?>
代碼點; 格式。,按 ; 分割得到代碼點字符串陣列。0xxxxxxx110xxxxx 10xxxxxx1110xxxx 10xxxxxx 10xxxxxx11110xxx 10xxxxxx 10xxxxxx 10xxxxxx| 方法 | 適用場景 | 效能 | 備註 |
|---|---|---|---|
mb_convert_encoding($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($str, JSON_UNESCAPED_UNICODE | JSON_HEX_TAG | JSON_HEX_APOS | JSON_HEX_QUOT | JSON_HEX_AMP) |
API 輸出、前端傳輸 | 高 | 輸出 JSON 字符串,非純實體格式 |
本文 Ascii 類 |
中等(純 PHP 實現) | 完全可控,適合教學與特殊格式需求 |
mb_check_encoding($str, 'UTF-8') 驗證。