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 Unicode 編碼/解碼工具類:中文 ↔ \uXXXX 互轉(支援 JSON、Java、JS 互通)

前後端分離、API 對接 Java/JS 時,常需將中文轉為 \uXXXX Unicode 轉義序列,或將含 Unicode 轉義的字串還原為可讀中文。本文提供純 PHP 實作的 UnicodeCodec 類,無需 mbstring/iconv 擴充,支援 BMP 平面(U+0000~U+FFFF)與補充平面(Emoji U+10000+)。

核心類別

<?php
class UnicodeCodec
{
    /**
     * 中文/任意字串 → Unicode 轉義 (\uXXXX 或 \u{XXXXX})
     * @param string $str 輸入字串(UTF-8 編碼)
     * @param bool   $useBrace  true=ES2015 \u{1F600} 格式,false=傳統 \uXXXX
     * @return string
     */
    public static function encode(string $str, bool $useBrace = false): string
    {
        $len = mb_strlen($str, 'UTF-8');
        $out = '';
        for ($i = 0; $i < $len; $i++) {
            $ch = mb_substr($str, $i, 1, 'UTF-8');
            $cp = mb_ord($ch, 'UTF-8'); // PHP 7.2+
            if ($cp <= 0xFFFF) {
                $out .= $useBrace
                    ? sprintf('\\u{%04X}', $cp)
                    : sprintf('\\u%04X', $cp);
            } else {
                // 補充平面:ES2015 必須用 \u{XXXXX},傳統格式需拆成 surrogate pair
                $out .= $useBrace
                    ? sprintf('\\u{%X}', $cp)
                    : self::toSurrogatePair($cp);
            }
        }
        return $out;
    }

    /**
     * Unicode 轉義 → UTF-8 字串
     * 支援 \uXXXX、\u{XXXXX}、\UXXXXXXXX 格式
     */
    public static function decode(string $str): string
    {
        return preg_replace_callback(
            '/\\\\u(?:{([0-9A-Fa-f]+)}|([0-9A-Fa-f]{4}))|\\\\U([0-9A-Fa-f]{8})/',
            function ($m) {
                $hex = $m[1] ?? $m[2] ?? $m[3];
                $cp = hexdec($hex);
                if ($cp > 0x10FFFF) return ''; // 非法碼位
                return mb_chr($cp, 'UTF-8');   // PHP 7.2+
            },
            $str
        );
    }

    /** 將 >0xFFFF 碼位轉為 UTF-16 Surrogate Pair (\uXXXX\uXXXX) */
    private static function toSurrogatePair(int $cp): string
    {
        $cp -= 0x10000;
        $high = 0xD800 | (($cp >> 10) & 0x3FF);
        $low  = 0xDC00 | ($cp & 0x3FF);
        return sprintf('\\u%04X\\u%04X', $high, $low);
    }
}

使用範例

<?php
$original = '測試😀Emoji'; // 含 BMP 中文 + 補充平面 Emoji

// 編碼
$escaped = UnicodeCodec::encode($original);
echo $escaped . PHP_EOL;
// 輸出:\u6E2C\u8A66\uD83D\uDE00Emoji (傳統格式)

$escapedBrace = UnicodeCodec::encode($original, true);
echo $escapedBrace . PHP_EOL;
// 輸出:\u{6E2C}\u{8A66}\u{1F600}Emoji (ES2015 格式)

// 解碼
echo UnicodeCodec::decode($escaped) . PHP_EOL;      // 測試😀Emoji
echo UnicodeCodec::decode($escapedBrace) . PHP_EOL; // 測試😀Emoji

// 實際場景:JSON 字串手動構建
$json = '{"msg": "' . UnicodeCodec::encode('中文訊息') . '"}';
// 送給 Java/JS 解析均正常

與 json_encode 對照

場景json_encode($arr, JSON_UNESCAPED_UNICODE)UnicodeCodec::encode()
輸出格式原生中文 UTF-8\uXXXX 轉義
適用對象現代前端、API 直讀Java \uXXXX、JS eval、舊系統相容
Emoji 支援直接輸出 😀可選 \u{1F600} 或 surrogate pair
效能C 底層,極快PHP 迴圈,較慢(長字串建議分段)

注意事項

  • 輸入**必須為合法 UTF-8**,否則 mb_ord/mb_chr 會拋錯;來源若為 GBK/Big5 請先 iconv('GBK', 'UTF-8', $str)。
  • PHP 7.2 以下無 mb_ord/mb_chr,可用 json_encode('"' . $ch . '"') 繞道取碼位,或升級 PHP。
  • 資料庫儲存建議直接存 UTF-8,僅在「對接舊系統/輸出給 Java/JS eval」時才做編碼轉換。
copyright © 萬盛學電腦網 all rights reserved