DIV CSS 佈局教程網

JavaScript 中的 Unicode 編碼轉換怎麼做
編輯:關於JavaScript     

有些時候處理中文,你就是得在 Unicode 與區域編碼之間來回轉。手動查表顯然不現實,好在瀏覽器本身就提供了現成的工具。

轉換函式

 <script type="text/javascript">
var GB2312UnicodeConverter = {
  ToUnicode: function (str) {
    return escape(str).toLocaleLowerCase().replace(/%u/gi, '\\u');
  },
  ToGB2312: function (str) {
    return unescape(str.replace(/\\u/gi, '%u'));
  }
};

var str = '上海';
document.write(str + '<br/>');
var unicode = GB2312UnicodeConverter.ToUnicode(str);
document.write('漢字轉換為 Unicode 碼:' + unicode + '<br/><br/>');
document.write('Unicode 碼轉換為漢字:' + GB2312UnicodeConverter.ToGB2312(unicode));
</script>

它為什麼行得通

關鍵在 escape() 這個老函式。它會把非 ASCII 字元編碼成 %uXXXX 的形式,其中 XXXX 正好就是該字元的 UTF-16 碼位。因此只要把 %u 換成 \u,就得到 JavaScript 字串裡合法的 Unicode 跳脫序列;反過來把 \u 換回 %u 再交給 unescape(),就能還原成原本的字。

聰明的地方是它「借道」了一個既有的編解碼器,而不必自己實作碼位查表。

但請手下留情

escape() 與 unescape() 都已被標示為不建議使用(Annex B 的相容性遺留功能),原因是它們對非 ASCII 的處理依賴實作、且與 UTF-8 的編碼規則不同。若你的目的是「中文與 Unicode 轉義互通」,改用標準 API 會更可靠:

 // 字串 → \uXXXX 序列
 function toUnicodeEscape(str) {
   return str.replace(/[\u0080-\uffff]/g, function (c) {
     return '\\u' + ('0000' + c.charCodeAt(0).toString(16)).slice(-4);
   });
 }

 // \uXXXX 序列 → 字串
 function fromUnicodeEscape(str) {
   return str.replace(/\\u([\da-fA-F]{4})/g, function (_, hex) {
     return String.fromCharCode(parseInt(hex, 16));
   });
 }

 console.log(toUnicodeEscape('上海'));            // \u4e0a\u6d77
 console.log(fromUnicodeEscape('\\u4e0a\\u6d77')); // 上海

如果真正想做的是「中文與 UTF-8 位元組序列」或「Base64」的轉換,那又是另一回事——UTF-8 是多位元組編碼,一個漢字會佔三個位元組,不能直接套上面的做法。這時應該走 TextEncoder / TextDecoder:

 // 中文 → UTF-8 位元組 → Base64
 function toBase64(str) {
   var bytes = new TextEncoder().encode(str);
   var binary = Array.prototype.map.call(bytes, function (b) {
     return String.fromCharCode(b);
   }).join('');
   return btoa(binary);
 }

 // Base64 → UTF-8 位元組 → 中文
 function fromBase64(b64) {
   var binary = atob(b64);
   var bytes = Uint8Array.from(binary, function (c) { return c.charCodeAt(0) });
   return new TextDecoder().decode(bytes);
 }

 console.log(toBase64('上海'));     // 5LiK5rW3
 console.log(fromBase64('5LiK5rW3')); // 上海

這個版本才是正確處理中文的 Base64 做法。網路上常見的 btoa('中文') 會拋出 InvalidCharacterError,就是因為 btoa 只接受 Latin-1 範圍的字元。

順帶說一個陷阱

範例把 GB2312UnicodeConverter 宣告成全域變數,且方法名以他被動式命名。在多人協作的專案裡,建議把它包進 IIFE 或 ES Module,只對外暴露真正需要的介面,避免名稱碰撞。

這個轉碼小工具值得放進你的常用工具箱,需要的時候直接拿來用。但記得依用途選擇正確的 API:Unicode 跳脫序列用 charCodeAt,UTF-8 與 Base64 用 TextEncoder,而 escape 那一對則能不碰就不碰。

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