Bagaimanakah saya boleh menukar rentetan UTF-8 kepada titik kod UCS-2 dalam PHP 4 atau 5?

Mendapatkan Mata Kod UCS-2 untuk Rentetan UTF-8 dalam PHP 4 atau 5

Untuk mendapatkan mata kod UCS-2 untuk UTF -8 rentetan, anda boleh memanfaatkan utiliti sedia ada yang tersedia dalam PHP. Pertimbangkan untuk menggunakan perpustakaan seperti iconv untuk memudahkan penukaran ini.

Sekiranya anda lebih suka penyelesaian tersuai, adalah penting untuk memahami format UTF-8. Setiap titik kod disimpan sebagai 1-4 bait, berdasarkan nilainya. Julat berikut digunakan:

• 1 bait: 0xxxxxxx
• 2 bait: 110xxxxx 10xxxxxx
• 3 bait: 1110xxxx 10xxxxxx 10xxxxxx
4>

Untuk menentukan bilangan bait dalam aksara, periksa bait pertama. Awalan 0 menunjukkan aksara 1 bait, 110 menunjukkan 2 bait, 1110 aksara 3 bait dan 11110 aksara 4 bait.

Setelah anda mengetahui saiz aksara, anda boleh melakukan operasi bitwise untuk menukar ia. Ambil perhatian bahawa UCS-2 tidak boleh mewakili aksara di atas U FFFF.

Untuk rujukan, berikut ialah fungsi PHP 4 atau 5 yang boleh anda gunakan:

<code class="php">function get_ucs2_codepoint($char)
{
    $byte = ord($char);
    if ($byte < 128) {
        return $byte;
    } elseif ($byte < 224) {
        return (($byte & 63) << 6) | (ord($char[1]) & 63);
    } elseif ($byte < 240) {
        return (($byte & 31) << 12) | ((ord($char[1]) & 63) << 6) | (ord($char[2]) & 63);
    } else {
        return 0; // UCS-2 cannot handle code points this high
    }
}</code>

Ingat, fungsi ini tidak mengendalikan semua aksara Unicode, hanya yang boleh diwakili dengan UCS-2. Jika anda perlu mengendalikan Unicode penuh, anda harus menggunakan perpustakaan alternatif atau fungsi PHP 6.

Atas ialah kandungan terperinci Bagaimanakah saya boleh menukar rentetan UTF-8 kepada titik kod UCS-2 dalam PHP 4 atau 5?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!