Ermittlung 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.

Erstens ist es wichtig, das UTF-8-Codierungsschema zu verstehen. Jedes Zeichen wird je nach Unicode -Codepunkt durch eine Sequenz von 1 bis 4 Bytes dargestellt. The ranges for each byte size are as follows:

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

To determine the number of bytes per character, examine the first byte:

• 0: 1 byte character
• 110: 2 byte charakter
• 1110: 3 byte charakter
• 11110: 4 byte charakter
• 10: continuation byte
• 11111: Invalid Charakter

Sobald die Nummer der Bytes bestimmt ist, kann Bit -Manipulation verwendet werden, um den Codepunkt zu extrahieren. In der obigen Analyse finden Sie hier eine benutzerdefinierte PHP-Funktion, die ein einzelnes UTF-8-Zeichen als Eingabe nimmt und ihren UCS-2-Codepunkt zurückgibt:

Funktion get_ucs2_CodePoint ($ char) { // Initialisieren Sie den Codepunkt $ codepoint = 0; // Holen Sie sich das erste Byte $ firstByte = ord ($ char); // Bestimmen Sie die Anzahl der Bytes if ($ FirstByte

Beispiel Verwendung:

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  
  $ char = " N";
$ codepoint = get_ucs2_CodePoint ($ char);
echo "UCS-2 Code Punkt: $ CodePoint \ n";  
 
 Ausgabe: 
 
$char = "ñ";
$codePoint = get_ucs2_codepoint($char);
echo "UCS-2 code point: $codePoint\n";