如何在 PHP 中从 UTF-8 字符中提取 UCS-2 代码点？

确定 PHP 中 UTF-8 字符的 UCS-2 代码点

当前的任务是提取 UCS-2 代码点对于给定 UTF-8 字符串中的字符。为此，可以定义自定义 PHP 函数。

首先，了解 UTF-8 编码方案很重要。每个字符由 1 到 4 个字节的序列表示，具体取决于其 Unicode 代码点。每个字节大小的范围如下：

• 0xxxxxxx：1 个字节
• 110xxxxx 10xxxxxx：2 个字节
• 1110xxxx 10xxxxxx 10xxxxxx：3 个字节
• 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx：4 个字节

要确定每个字符的字节数，请检查第一个字节：

• 0：1 个字节字符
• 110：2 字节字符
• 1110：3 字节字符
• 11110：4 字节字符
• 10：连续字节
• 11111：无效字符

一旦确定了字节数，就可以使用位操作来提取代码点。

自定义 PHP 函数：

基于根据上述分析，这里有一个自定义 PHP 函数，它接受单个 UTF-8 字符作为输入并返回其 UCS-2 代码点：

<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>

示例用法：

要使用该函数，只需提供 UTF-8 字符作为输入：

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

输出：

UCS-2 code point: 241

以上是如何在 PHP 中从 UTF-8 字符中提取 UCS-2 代码点？的详细内容。更多信息请关注PHP中文网其他相关文章！