Wie extrahiere ich UCS-2-Codepunkte aus UTF-8-Zeichen in PHP?

DDD
Freigeben: 2024-10-31 18:00:15
Original
312 Leute haben es durchsucht

How to Extract UCS-2 Code Points from UTF-8 Characters in PHP?

Bestimmen von UCS-2-Codepunkten für UTF-8-Zeichen in PHP

Die vorliegende Aufgabe besteht darin, die UCS-2-Codepunkte zu extrahieren für Zeichen innerhalb einer bestimmten UTF-8-Zeichenfolge. Um dies zu erreichen, kann eine benutzerdefinierte PHP-Funktion definiert werden.

Zunächst ist es wichtig, das UTF-8-Codierungsschema zu verstehen. Jedes Zeichen wird abhängig von seinem Unicode-Codepunkt durch eine Folge von 1 bis 4 Bytes dargestellt. Die Bereiche für jede Bytegröße sind wie folgt:

  • 0xxxxxxx: 1 Byte
  • 110xxxxxx 10xxxxxx: 2 Bytes
  • 1110xxxxx 10xxxxxx 10xxxxxx: 3 Bytes
  • 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx: 4 Bytes

Um die Anzahl der Bytes pro Zeichen zu bestimmen, untersuchen Sie das erste Byte:

  • 0: 1-Byte-Zeichen
  • 110: 2-Byte-Zeichen
  • 1110: 3 Byte Zeichen
  • 11110: 4-Byte-Zeichen
  • 10: Fortsetzungsbyte
  • 11111: Ungültiges Zeichen

Sobald die Anzahl der Bytes bestimmt ist, Bit Manipulation kann verwendet werden, um den Codepunkt zu extrahieren.

Benutzerdefiniertes PHP Funktion:

Basierend auf der obigen Analyse ist hier eine benutzerdefinierte PHP-Funktion, die ein einzelnes UTF-8-Zeichen als Eingabe verwendet und seinen UCS-2-Codepunkt zurückgibt:

<code class="php">function get_ucs2_codepoint($char)
{
    // Initialize the code point
    $codePoint = 0;

    // Get the first byte
    $firstByte = ord($char);

    // Determine the number of bytes
    if ($firstByte < 128) {
        $bytes = 1;
    } elseif ($firstByte < 192) {
        $bytes = 2;
    } elseif ($firstByte < 224) {
        $bytes = 3;
    } elseif ($firstByte < 240) {
        $bytes = 4;
    } else {
        // Invalid character
        return -1;
    }

    // Shift and extract code point
    switch ($bytes) {
        case 1:
            $codePoint = $firstByte;
            break;
        case 2:
            $codePoint = ($firstByte & 0x1F) << 6;
            $codePoint |= ord($char[1]) & 0x3F;
            break;
        case 3:
            $codePoint = ($firstByte & 0x0F) << 12;
            $codePoint |= (ord($char[1]) & 0x3F) << 6;
            $codePoint |= ord($char[2]) & 0x3F;
            break;
        case 4:
            $codePoint = ($firstByte & 0x07) << 18;
            $codePoint |= (ord($char[1]) & 0x3F) << 12;
            $codePoint |= (ord($char[2]) & 0x3F) << 6;
            $codePoint |= ord($char[3]) & 0x3F;
            break;
    }

    return $codePoint;
}</code>
Nach dem Login kopieren

Beispielverwendung:

Um die Funktion zu verwenden, geben Sie einfach ein UTF-8-Zeichen als ein Eingabe:

<code class="php">$char = "ñ";
$codePoint = get_ucs2_codepoint($char);
echo "UCS-2 code point: $codePoint\n";</code>
Nach dem Login kopieren

Ausgabe:

UCS-2 code point: 241
Nach dem Login kopieren

Das obige ist der detaillierte Inhalt vonWie extrahiere ich UCS-2-Codepunkte aus UTF-8-Zeichen in PHP?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Quelle:php.cn
Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn
Beliebte Tutorials
Mehr>
Neueste Downloads
Mehr>
Web-Effekte
Quellcode der Website
Website-Materialien
Frontend-Vorlage