DIV CSS 佈局教程網

JavaScript 字符編碼互轉:漢字、Unicode 與 ASCII 的轉換函數
編輯:關於JavaScript     

不少線上工具都內建了編碼轉換功能,這些代碼在很多場景下都用得上,這裡整理一份可直接複用的實現。

Unicode 是什麼

Unicode(統一碼、萬國碼、單一碼)是一種在計算機上使用的字符編碼。它是為了解決傳統字符編碼方案的局限而產生的,為每種語言中的每個字符設定了統一且唯一的二進制編碼,以滿足跨語言、跨平台進行文本轉換與處理的要求。

Unicode 由國際組織制定,目標是容納世界上所有文字與符號。它用 0 到 0x10FFFF 的數字來映射字符,最多可容納 1114112 個字符,也就是所謂的 1114112 個碼位——碼位就是可以分配給字符的數字。

在目前已定義的五個平面中,第 0 平面(BMP)最為重要,其中文漢字的編碼範圍是 4E00–9FBF,對應 CJK 統一表意符號(CJK Unified Ideographs)。

ASCII 是什麼

ASCII 是基於拉丁字母的一套電腦編碼系統,主要用於顯示現代英語和其他西歐語言,是現今最通用的單字節編碼系統,等同於國際標準 ISO/IEC 646。

0–127 是 7 位 ASCII 碼的範圍,屬於國際標準。至於漢字,不同字符集使用的 ASCII 碼範圍並不相同,常見的漢字字符集有 GB2312-80、GBK、Big5、Unicode 等。

其中 GB_2312 是最常用的漢字編碼標準:每個漢字用 2 個字節表示,每個字節的取值為 161–254(16 進制 A1–FE),第一個字節對應區碼 1–94 區,第二個字節對應位碼 1–94 位。

關於 native2ascii

native2ascii 是 Sun Java SDK 提供的工具,用來把其他文本類文件(如 *.txt、*.ini、*.properties、*.java)的編碼轉為 Unicode。之所以需要轉碼,根源在於程序的國際化。

安裝 JDK 後,若在 Windows 環境,JDK 安裝目錄下的 bin 文件夾裡就有 native2ascii.exe。命令格式為:native2ascii -[options] [inputfile [outputfile]]。例如 native2ascii zh.txt u.txt 表示把 zh.txt 轉為 Unicode 編碼並輸出到 u.txt。

本文的轉換以 JavaScript 實現,支援十六進制與十進制兩種表示方式,可讓中文漢字與 Unicode 互相轉換,默認採用十六進制。

公共函數

 function left_zero_4(str) { if (str != null && str != '' && str != 'undefined') { if (str.length == 2) { return '00' + str; } } return str; }

這個輔助函數的作用是補零,把兩位數的十六進制補成四位,符合 \uXXXX 的格式要求。

中文漢字轉 Unicode

 function unicode(str){ var value=''; for (var i = 0; i < str.length; i++) { value += '\\u' + left_zero_4(parseInt(str.charCodeAt(i)).toString(16)); } return value; }

思路很直接:逐字符取 charCodeAt 得到碼位,轉成 16 進制字串,補零後接上 \u 前綴。

Unicode 轉中文漢字、ASCII 轉 Unicode

 function reconvert(str){ str = str.replace(/(\\u)(\w{1,4})/gi,function($0){ return (String.fromCharCode(parseInt((escape($0).replace(/(%5Cu)(\w{1,4})/g,"$2")),16))); }); str = str.replace(/(&#x)(\w{1,4});/gi,function($0){ return String.fromCharCode(parseInt(escape($0).replace(/(%26%23x)(\w{1,4})(%3B)/g,"$2"),16)); }); str = str.replace(/(&#)(\d{1,6});/gi,function($0){ return String.fromCharCode(parseInt(escape($0).replace(/(%26%23)(\d{1,6})(%3B)/g,"$2"))); }); return str; }

這支函數一次處理三種格式:\uXXXX 形式的 Unicode 轉義、&#xHHHH; 形式的十六進制 HTML 實體,以及 &#DDDD; 形式的十進制 HTML 實體,全部還原成原字符。

Unicode 轉 ASCII

 function unicode1(str){ var value=''; for (var i = 0; i < str.length; i++) value += '&#' + str.charCodeAt(i) + ';'; return value; } 

中文轉 &#xHHHH;

 function ascii(str){ var value=''; for (var i = 0; i < str.length; i++) { value += '\&#x' + left_zero_4(parseInt(str.charCodeAt(i)).toString(16))+';'; } return value; } 

可直接測試的完整代碼

 <script type="text/javascript"> function a(pChoice){ var inputEle = document.getElementById('input_area'); var outputEle = document.getElementById('output_area'); switch(pChoice){ case "CONVERT_FMT1": outputEle.value = ascii(inputEle.value); break; case "CONVERT_FMT2": outputEle.value = unicode(inputEle.value); break; case "CONVERT_FMT3": outputEle.value = unicode1(inputEle.value); break; case "RECONVERT": outputEle.value = reconvert(inputEle.value); break; } } function ascii(str){ var value=''; for (var i = 0; i < str.length; i++) { value += '\&#x' + left_zero_4(parseInt(str.charCodeAt(i)).toString(16))+';'; } return value; } function unicode(str){ var value=''; for (var i = 0; i < str.length; i++) { value += '\\u' + left_zero_4(parseInt(str.charCodeAt(i)).toString(16)); } return value; } function left_zero_4(str) { if (str != null && str != '' && str != 'undefined') { if (str.length == 2) { return '00' + str; } } return str; } function unicode1(str){ var value=''; for (var i = 0; i < str.length; i++) value += '&#' + str.charCodeAt(i) + ';'; return value; } function reconvert(str){ str = str.replace(/(\\u)(\w{1,4})/gi,function($0){ return (String.fromCharCode(parseInt((escape($0).replace(/(%5Cu)(\w{1,4})/g,"$2")),16))); }); str = str.replace(/(&#x)(\w{1,4});/gi,function($0){ return String.fromCharCode(parseInt(escape($0).replace(/(%26%23x)(\w{1,4})(%3B)/g,"$2"),16)); }); str = str.replace(/(&#)(\d{1,6});/gi,function($0){ return String.fromCharCode(parseInt(escape($0).replace(/(%26%23)(\d{1,6})(%3B)/g,"$2"))); }); return str; } </script> <style> textarea { width: 100%; height: 200px; resize:vertical; border: 1px solid #CCC; padding:4px; box-shadow: 2px 2px 5px #d3d6da; -moz-box-shadow: 2px 2px 5px #d3d6da; } </style> <div class='divider'></div> <textarea id="input_area" name="input_area" placeholder="貼入要處理的Unicode或Ascii字符">jb51.net - </textarea> <div class='row'> <button onclick="javascript:a('CONVERT_FMT2');">中文漢字轉Unicode</button> <button onclick="javascript:a('RECONVERT');">Unicode轉中文漢字</button> <button onclick="javascript:a('RECONVERT')">ASCII轉換Unicode</button> <button onclick="javascript:a('CONVERT_FMT3');">Unicode轉換ASCII</button> <button onclick="javascript:a('CONVERT_FMT1');">中文轉換&#xHHHH</button> </div> <textarea name="output_area" id="output_area" onclick="this.select();" placeholder="處理之後的Unicode或Ascii字符"></textarea> 

最後補充一點實務經驗:ES6 之後,其實有語法層級的方案可以取代部分手寫邏輯。字串↔碼位可用 codePointAt() 與 String.fromCodePoint(),而 URI 相關的中文編碼則交給 encodeURIComponent() / decodeURIComponent() 更可靠。上面這套函數的價值主要在於處理 \uXXXX 與 HTML 實體這類特定格式的批量轉換。

具體用法建議多實際測試幾輪,特別是混合中英文、emoji 等情境。希望這份整理對你解決亂碼問題有所幫助。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved