从Unicode到UTF-8，没有你想得那么难

概述

• 这篇文章中，我们打算手写一个将字符的Unicode值转换为UTF-8编码的函数。

基本思想

• 对于一个字符串中的每一个字符，首先将它的Unicode值转换为二进制数字串，然后对于二进制数字串按照UTF-8的编码规则进行转换，最终得到UTF-8编码。

UTF-8编码规则

编码规则表

• "xxxxx"从二进制数字串尾部依次取得，若高位不足则补"0"。

Unicode数值范围（16进制）	UTF-8编码规则（二进制）
0000 0000 - 0000 007F	0xxxxxxx
0000 0080 - 0000 07FF	110xxxxx 10xxxxxx
0000 0800 - 0000 FFFF	1110xxxx 10xxxxxx 10xxxxxx
0001 0000 - 0010 FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

推荐一个可以很方便地进行Unicode查询的网站：FileFormat

举个例子 🌰

                         

源代码（附注释）

/*
 * 虽然使用了最笨的方法，但也是相对容易理解的方法
 */

// 接受一个字符串，返回UTF-8编码串
function Unicode2UTF8(string) {
    // result 用于记录最后的结果
    let result = '';
    // 将string的每个字符都转为二进制再进行Encode操作
    for (let ch of string) {
        // 下面开始编码操作, 为了方便查看，结果用16进制显示
        // 取字符串中的每个字符，并获取到它的二进制数字串，传入getUTF-8函数进行转换
        // 返回的结果用16进制表示
        result += "0x" + parseInt(getUTF8(ch.charCodeAt().toString(2)), 2).toString(16);
    }
    console.log(result);
    return result;
}

// 接收一个字符串的Unicode值（二进制），转换成UTF8编码（二进制）并返回
function getUTF8(string) {
    // 通过字符串的不同长度判断施加何种操作
    const length = string.length
    if (length <= 7) {
        // ASCII码
        return string;
    } else if (length <= 11) {
        // 字符串前面填6个0，再从后六位抽两次
        const tempString = '000000' + string;
        return '110' + tempString.slice(-11, -6) + '10' + tempString.slice(-6);
    } else if (length <= 16) {
        // 字符串前面填6个0，再从后六位抽三次
        const tempString = '000000' + string;
        return '1110' + tempString.slice(-16, -12) + '10' + tempString.slice(-12, -6) + '10' + tempString.slice(-6);
    } else {
        // 字符串前面填6个0，再从后六位抽四次
        const tempString = '000000' + string
        return '11110' + tempString.slice(-21, -18) + '10' + tempString.slice(-18, -12) + '10' + tempString.slice(-12, -6) + '10' + tempString.slice(-6);
    }
}