PHP如何获取一个字符串的UTF-8编码

[thrive_li]

如体，比如我输入一个“您好”得到它的UTF8编码“\u60a8\u597d”

[lukylfm]

我也很想知道

[tabris17]

foreach(unpack(
'n*',
mb_convert_encoding('你好', 'unicode', 'gbk')
) as $i) {
echo '\u',dechex($i);
}

另，你这里的“\u60a8\u597d”其实是unicode编码，而不是utf-8编码

[thrive_li]

[Quote=引用 2 楼 tabris17 的回复:]

foreach(unpack('n*',mb_convert_encoding('你好', 'unicode', 'gbk')) as $i) {
echo '\u',dechex($i);
}

另，你这里的“\u60a8\u597d”其实是unicode编码，而不是utf-8编码
[/Quote]

谢谢这位兄弟，果真是高手啊，我公司的工作了7，8年的人都没搞定这个问题呵呵。
另外再请教几个问题
首先‘n*’是什么意思？
其次我需要将一篇文章都转换为utf-8编码，比如“你好 ，同学！”要生成 “\u4f60\u597d, \u540c\u5b66!”的样式。而你的程序把空格给去除掉了，标点符号也转换出来了，请问我该如何实现呢？可以先不考虑标点符号的问题，但空格不能去除！兄弟能否加我qq：70917176交流交流？

[tabris17]

参看php手册

pack() format characters Code Description
a NUL-padded string
A SPACE-padded string
h Hex string, low nibble first
H Hex string, high nibble first
c signed char
C unsigned char
s signed short (always 16 bit, machine byte order)
S unsigned short (always 16 bit, machine byte order)
n unsigned short (always 16 bit, big endian byte order)
v unsigned short (always 16 bit, little endian byte order)
i signed integer (machine dependent size and byte order)
I unsigned integer (machine dependent size and byte order)
l signed long (always 32 bit, machine byte order)
L unsigned long (always 32 bit, machine byte order)
N unsigned long (always 32 bit, big endian byte order)
V unsigned long (always 32 bit, little endian byte order)
f float (machine dependent size and representation)
d double (machine dependent size and representation)
x NUL byte
X Back up one byte
@ NUL-fill to absolute position

n*就是表示将字符串解析为一组以big endian字节顺序保存的16位的无符号整形

其次的问题，把要处理字符串挑出来处理后再拼接

[thrive_li]

[Quote=引用 4 楼 tabris17 的回复:]

参看php手册

pack() format characters Code Description
a NUL-padded string
A SPACE-padded string
h Hex string, low nibble first
H Hex string, high nibble first
c signed char
C unsigned char……
[/Quote]

第一个问题我明白了，谢谢赐教，第二个问题没明白，unpack返回的数据就是已经把空格都去掉了，怎么让它不去掉呢？标点符号问题先不考虑

[foolbirdflyfirst]

也可以根据utf-8 unicode的转换方法
中文即是
1110xxx 10xxxxxx 10xxxxxx
把utf-8中文的前三个字符的1110,10,10去掉即是unicode码。

echo preg_replace('#[\x{4e00}-\x{9fa5}]#ue','chinese_unicode("\\0")',"您好，中国");//保证"您好，中国"是utf-8。
function chinese_unicode($c) {
		return "\u".dechex(((ord($c[0]) & 0x1f) << 12) + (ord($c[1]) & 0x3f << 6) + (ord($c[2]) & 0x3f));

}

[foolbirdflyfirst]

echo preg_replace('#[\x{4e00}-\x{9fa5}]#ue','chinese_unicode("\\0")',"您好，中国");//保证"您好，中国"是utf-8。
function chinese_unicode($c) {
        return "\u".dechex(((ord($c[0]) & 0x1f) << 12) + (ord($c[1]) & 0x3f << 6) + (ord($c[2]) & 0x3f));
}

[tabris17]

[Quote=引用 5 楼 thrive_li 的回复:]
第一个问题我明白了，谢谢赐教，第二个问题没明白，unpack返回的数据就是已经把空格都去掉了，怎么让它不去掉呢？标点符号问题先不考虑
[/Quote]

没明白，啥叫吧空格去掉了？
foreach(unpack(
'n*',
mb_convert_encoding(' 你 好 ', 'unicode', 'utf-8')
) as $i) {
echo '\u',dechex($i);
}
输出 \u20\u4f60\u20\u597d\u20
空格就是\u20，这里没用0补齐，其实应该是\u0020
你用printf('\\u%04X', $i);就行了呗

[thrive_li]

ok，问题搞定了！

[thrive_li]

感谢2位高手的帮助！！！！结贴！！