UTF-8到Unicode代码点

Question

是否有一个函数会将UTF-8更改为Unicode，而将非特殊字符视为普通字母和数字？

即德语单词“tchüß”将呈现为类似“tch \ 20AC \ 21AC”（请注意，我正在制作Unicode代码）。

编辑：我用下面的函数试验，但尽管这一个ASCII码32到127的效果很好，它似乎失败双字节字符：

function strToHex ($string) 
{ 
    $hex = ''; 
    for ($i = 0; $i < mb_strlen ($string, "utf-8"); $i++) 
    { 
     $id = ord (mb_substr ($string, $i, 1, "utf-8")); 
     $hex .= ($id <= 128) ? mb_substr ($string, $i, 1, "utf-8") : "&#" . $id . ";"; 
} 

    return ($hex); 
} 

任何想法？

编辑2：找到的解决方案：PHP的ord（）函数不适用于双字节字符。改为使用：http://nl.php.net/manual/en/function.ord.php#78032

Answer 1

转换一个字符集到另一个可以用的iconv来完成：

http://php.net/manual/en/function.iconv.php

需要注意的是UTF已经是Unicode编码。

另一种方式是仅使用htmlentities用正确的字符集：

http://php.net/manual/en/function.htmlentities.php

Answer 2

我想你会在网站上打印出你的字符串？

我在输出前使用html_entities（$ string）将所有数据库存储在uft8中。你可能需要尝试一下 html_entities（utf8_encode（$ string））;

Answer 3

我曾经创建了一个名为_convert()功能，安全编码一切UTF-8。

Answer 4

对于可读格式，我会用JSON去。它不需要逃避JSON非ASCII字符，但PHP的作用：

echo json_encode("tchüß"); 

"tch\u00fc\u00df" 

Answer 5

为人们寻找，找到的Unicode码点，这可能是有用的任何字符。然后，您可以根据需要对字符串进行编码，用转义码替换某些字符，并将其他字符保留为二进制形式（例如ascii可打印字符），具体取决于您要使用它的上下文。

来自：Mapping codepoints to Unicode encoding forms

为UTF-32的映射是，本质上，身份映射：用于编码一个码点的 32位代码单元具有相同的整数值 作为码点本身。

/** 
* Convert a string into an array of decimal Unicode code points. 
* 
* @param $string [string] The string to convert to codepoints 
* @param $encoding [string] The encoding of $string 
* 
* @return [array] Array of decimal codepoints for every character of $string 
*/ 
function toCodePoint($string, $encoding) 
{ 
    $utf32 = mb_convert_encoding($string, 'UTF-32', $encoding); 
    $length = mb_strlen($utf32, 'UTF-32'); 
    $result = []; 


    for($i = 0; $i < $length; ++$i) 

     $result[] = hexdec(bin2hex(mb_substr($utf32, $i, 1, 'UTF-32'))); 


    return $result; 
} 

Answer 6

我有一个问题，当我需要与cyrilic字符串转换（UTF-8在默认情况下）的实体部分 - 只有cyrilic。 Finaly我需要得到JSON样的结果，像这样：

<li class="my_class">City - Mocsow (Москва)</li> 

这样：

<li class=\"my_class\">City - Mocsow (\u041c\u043e\u0441\u043a\u0432\u0430)<\/li> 

所以，i`ve得到了COMPEX溶液（SUBJ作者及Nus的组合。）：

function strToHex($string){ 
    $enc="utf-8"; 
    $hex = ''; 
    for ($i = 0; $i < mb_strlen ($string, $enc); $i++){ 
     $id = ord (mb_substr ($string, $i, 1, $enc)); 
     $hex .= ($id <= 128) ? mb_substr ($string, $i, 1, $enc) : toCodePoint(mb_substr ($string, $i, 1, $enc), $enc); 
    } 
    return $hex; 
} 
function toCodePoint($string, $encoding){ 
    $utf32 = mb_convert_encoding($string, 'UTF-32', $encoding); 
    $length = mb_strlen($utf32, 'UTF-32'); 
    $result = Array(); 
    for($i = 0; $i < $length; ++$i)$result[] = "\u".substr(bin2hex(mb_substr($utf32, $i, 1, 'UTF-32')), 4,8); 
    return implode("", $result); 
} 
$output=strToHex(
    str_replace(// this is for json compatible 
     array("\"", "\n", "\r", "\t", "/"), 
     array('\"', '\n', "", " ", "\/"), 
     $text 
    ) 
); 
echo $output; 

它测试的PHP 5.2.17 :)

Answer 7

随着PHP 7，有一个新的IntlChar::ord()从给定的UTF-8字符找到Unicode代码点：

var_dump(sprintf('U+%04X', IntlChar::ord('ß'))); 

# Outputs: string(6) "U+00DF" 

Answer 8

测试在PHP 5.6

/** 
* @param string $utf8char 
* @return string 
*/ 
function toUnicodeCodePoint($utf8char) 
{ 
    return 'U+' . dechex(mb_ord($utf8char)); 
} 

/** 
* @see https://github.com/symfony/polyfill-mbstring 
* @param string $s 
* @return int 
*/ 
function mb_ord($s) 
{ 
    $code = ($s = unpack('C*', substr($s, 0, 4))) ? $s[1] : 0; 
    if (0xF0 <= $code) { 
     return (($code - 0xF0) << 18) + (($s[2] - 0x80) << 12) + (($s[3] - 0x80) << 6) + $s[4] - 0x80; 
    } 
    if (0xE0 <= $code) { 
     return (($code - 0xE0) << 12) + (($s[2] - 0x80) << 6) + $s[3] - 0x80; 
    } 
    if (0xC0 <= $code) { 
     return (($code - 0xC0) << 6) + $s[2] - 0x80; 
    } 

    return $code; 
} 

echo toUnicodeCodePoint(''); 
// U+1f613