Determinando os pontos do código UCS-2 para os caracteres utf-8 em php

A tarefa em questão é extrair os pontos de código UCS-2 para caracteres dentro de uma determinada string UTF-8. Para conseguir isso, uma função PHP personalizada pode ser definida. Cada caractere é representado por uma sequência de 1 a 4 bytes, dependendo do seu ponto de código Unicode. The ranges for each byte size are as follows:

• 110xxxxx 10xxxxxx: 2 bytes
• 1110xxxx 10xxxxxx 10xxxxxx: 3 bytes
• 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx: 4 bytes
para determinar o número de bytes por caractere, examine o primeiro byte:

• 1110: 3 Byte caracteres
• 11110: 4 Byte caracteres
• 10: Byte de continuação
• 1111: &&&]
• Quando o número de bytes for determinado, a manipulação de bit pode ser usada para extrair o ponto de código. Na análise acima, aqui está uma função PHP personalizada que leva um único caractere UTF-8 como entrada e retorna seu ponto de código UCS-2:
função get_ucs2_codepoint ($ char) { // inicialize o ponto de código $ codePoint = 0; // Obtenha o primeiro byte $ primeiroByte = ord ($ char); // determinar o número de bytes if ($ FirstByte
Exemplo de uso:

Para usar a função, basta fornecer um caractere utf-8 como entrada:

$ char = " ñ "; $ codePoint = get_ucs2_codePoint ($ char); eco "UCS-2 Código ponto: $ codePoint \ n";

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  output: 
   UCS-2 Código Ponto: 241