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 🌰

  1.                      ![utf-8.png](https://cdn.nlark.com/yuque/0/2020/png/815600/1587613446691-654f6351-7846-4fdc-89de-e68a06c0fa7d.png#align=left&display=inline&height=618&margin=%5Bobject%20Object%5D&name=utf-8.png&originHeight=2082&originWidth=1246&size=216832&status=done&style=none&width=370)

源代码（附注释）

  1. /*
  2.  * 虽然使用了最笨的方法，但也是相对容易理解的方法
  3.  */
  5. // 接受一个字符串，返回UTF-8编码串
  6. function Unicode2UTF8(string) {
  7.     // result 用于记录最后的结果
  8.     let result = '';
  9.     // 将string的每个字符都转为二进制再进行Encode操作
  10.     for (let ch of string) {
  11.         // 下面开始编码操作, 为了方便查看，结果用16进制显示
  12.         // 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
  13.         // 返回的结果用16进制表示
  14.         result += "0x" + parseInt(getUTF8(ch.charCodeAt().toString(2)), 2).toString(16);
  15.     }
  16.     console.log(result);
  17.     return result;
  18. }
  20. // 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
  21. function getUTF8(string) {
  22.     // 通过字符串的不同长度判断施加何种操作
  23.     const length = string.length
  24.     if (length <= 7) {
  25.         // ASCII码
  26.         return string;
  27.     } else if (length <= 11) {
  28.         // 字符串前面填6个0，再从后六位抽两次
  29.         const tempString = '000000' + string;
  30.         return '110' + tempString.slice(-11, -6) + '10' + tempString.slice(-6);
  31.     } else if (length <= 16) {
  32.         // 字符串前面填6个0，再从后六位抽三次
  33.         const tempString = '000000' + string;
  34.         return '1110' + tempString.slice(-16, -12) + '10' + tempString.slice(-12, -6) + '10' + tempString.slice(-6);
  35.     } else {
  36.         // 字符串前面填6个0，再从后六位抽四次
  37.         const tempString = '000000' + string
  38.         return '11110' + tempString.slice(-21, -18) + '10' + tempString.slice(-18, -12) + '10' + tempString.slice(-12, -6) + '10' + tempString.slice(-6);
  39.     }
  40. }
  42. // 测试（待完善）
  43. Unicode2UTF8('你好');

附录

  • 附一个大神版代码（我等菜鸟还并未全部理解） ```javascript function encodeCodePoint(code) { if (code <= 0x7F) { return [code] } else if (code <= 0x7FF) { return [
    1. 0xC0 | ((code >> 6) & 0x1F),
    2. 0x80 | ((code) & 0x3F),
    ] } else if (code <= 0xFFFF) { return [
    1. 0xE0 | ((code >> 12) & 0xF),
    2. 0x80 | ((code >>  6) & 0x3F),
    3. 0x80 | ((code) & 0x3F)
    ] } else { return [
    1. 0xF0 | ((code >> 18) & 0x7),
    2. 0x80 | ((code >> 12) & 0x3F),
    3. 0x80 | ((code >>  6) & 0x3F),
    4. 0x80 | ((code) & 0x3F)
    ] } }

function UTF8_Encoding(string) { const codes = []; for (let ch of string) { const bytes = encodeCodePoint(ch.codePointAt(0)); codes.push(…bytes); } const array = new Uint8Array(codes); return array.buffer; }

module.exports = UTF8_Encoding; ```