determinando los puntos de código UCS-2 para los caracteres UTF-8 en php

La tarea en cuestión es extraer los puntos de código UCS-2 para caracteres dentro de una cadena UTF-8 dada. Para lograr esto, se puede definir una función PHP personalizada.

En primer lugar, es importante comprender el esquema de codificación UTF-8. Cada personaje está representado por una secuencia de 1 a 4 bytes, dependiendo de su punto de código Unicode. Los rangos para cada tamaño de byte son los siguientes:

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

• 110: 2 byte carácter
• 1110: 3 byte carácter
• 11110: 4 byte carácter
• 10: Continuación byte
• 11111: carácter inválido [inválido &&&]
• Una vez que se determina el número de bytes, la manipulación de bits se puede usar para extraer el punto de código.

Función de php personalizada:

basada en En el análisis anterior, aquí hay una función PHP personalizada que toma un solo carácter UTF-8 como entrada y devuelve su punto de código UCS-2:

función get_ucs2_codePoint ($ char) { // Inicializar el punto de código $ CodePoint = 0; // consigue el primer byte $ FirstByte = Ord ($ char); // Determinar el número de bytes if ($ FirstByte

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  
  para usar la función, simplemente proporcione un carácter UTF-8 como entrada:  
 
 $ char = " norte";
$ codePoint = get_ucs2_codePoint ($ char);
echo "punto de código UCS-2: $ CodePoint \ n"; 
 
$char = "ñ";
$codePoint = get_ucs2_codepoint($char);
echo "UCS-2 code point: $codePoint\n";
 
  UCS-2 Point: 241