为什么在UTF-8下 strlen 把中文字符算成 3 个字节?中文不是2个字节?
phpcn_u41
phpcn_u41 2016-11-11 13:41:19
0
2
1804
phpcn_u41
phpcn_u41

全員に返信(2)
数据分析师

UTF-8 では、strlen が中国語の文字を 2 バイトではなく 3 バイトとしてカウントするのはなぜですか? - PHP 中国語 Web サイト Q&A - UTF-8 では、strlen が中国語の文字を 2 バイトではなく 3 バイトとしてカウントするのはなぜですか? -PHP中国語サイトQ&A

ぜひ見て学んでください。

いいねを押す +0
阿神

在UTF-8字符集中一个中文字
   占2个字节的:0个
   占3个字节的:基本等同于GBK,含21000多个汉字
   占4个字节的:中日韩超大字符集里面的汉字,有5万多个

UTF-8是一种Unicode编码方式。他是一种不等幅的编码方式,UTF-8编码的字节长度取决于所要编码的字符在ISO   10646中的编码值。在UTF-8中,不同的字符,可能需要1-6个字节来进行编码。对于单字节的UTF-8编码,该字节的最高位为0,其余7位用来对字符进行编码(等同于ASCII码)。对于多字节的UTF-8编码,如果编码包含n个字节,那么第一个字节的前n位为1,第一个字节的第n+1位为0,该字节的剩余各位用来对字符进行编码。在第一个字节之后的所有的字节,都是最高两位为"10",其余6位用来对字符进行编码。 

  例如“未”字,其编码为:0xE69CAA,转换为二进制为:1110   0110   1001   1100   1010   1010,从这里可以看出,该字在UTF-8编码下本身就是3个字节。 
   
  所以,在UTF-8中,一个中文字并不是2个字节,而是超过了两个字节。并不是所有的中文字最后结尾都是0xAA。


いいねを押す +1
人気のチュートリアル
詳細>
最新のダウンロード
詳細>
ウェブエフェクト
公式サイト
サイト素材
フロントエンドテンプレート