js 中汉字和Unicode 互转

落日映苍穹つ 2022-05-12 07:18 334阅读 0赞

首先，什么是Unicode，百科知识：Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准，包括字符集、编码方案等；Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。

balabala一堆，其实可以举个例子简单的理解一下：秦国一统六国后，统一货币，度量衡等，创造一个统一的标准，所有秦的领土范围内都使用这个标准，标准统一后，各种杂七杂八混乱的问题也就随着解决了，然后走向人生巅峰，迎娶xxx云云。 。。

Unicode也一样，它把所有的语言（中文、英文、韩文...）都纳入到一套编码中，统一所有的文字编码，这样就解决了中国用中国定制的编码，日本用日本定制的编码....这种混乱的现象，这样就不会出现乱码的现象了。Unicode中一般用两个字节(16bit)表示一个字符，就算原有的英文编码也从单字节变成了双字节，但是影响不大，把高位字节置0就完事了（如有错请帮我评论指出，谢谢！）

**Unicode编码取值： 0 - 65535  (0x0000 - 0xFFFF)，**

**js 中Unicode是以十六进制代码外加开头 \\u 表示的字符串，例如：  爱     //    js中表示为 \\u7231** **    **

--------------------

说一下js中的String对象的两个方法：

>     //返回字符串某一下标处的Unicode编码；index从0开始
>     // 如果取负数 或者 >=字符串长度 的值则返回NAN
>     stringObject.charCodeAt(index) ：  ，如果
>     
>     例如： "爱".charCodeAt(0)  // 输出29233 
>     
>     // numX是unicode编码(十进制类型)
>     //返回一个或多个Unicode编码对应的汉字
>     String.fromCharCode(numX,numX,...,numX)： 
>     
>     例如：String.fromCharCode(29233)  //输出‘爱’

好了，既然要把汉字转换成Unicode编码，总得知道汉字的Unicode编码范围吧，不然怎么判断呢

简体汉字： \\u4e00-\\u9fa5

// 判断字符是否为汉字，
    function isChinese(s){
    	return /[\u4e00-\u9fa5]/.test(s);
    }

js中汉字转Unicode编码：

// 把字符串中的汉字转换成Unicode
    function ch2Unicdoe(str){
    	if(!str){
    		return;
    	}
    	var unicode = '';
    	for (var i = 0; i <  str.length; i++) {
    		var temp = str.charAt(i);
    		if(isChinese(temp)){
    			unicode += '\\u' +  temp.charCodeAt(0).toString(16);
    		}
    		else{
    			unicode += temp;
    		}
    	}
    	return unicode;
    }
    var str = 'love中国你好';
    console.info(ch2Unicdoe(str))    //  love\u4e2d\u56fd\u4f60\u597d

js中Unicode编码 转汉字：

// 方法一
    // js中的方法unescape, 对通过escape()方法编码的字符串进行解码，
    // 通过找形如： %xx 或者 %xxxx 的字符序列，用Unicode字符\u00xx 和 \uxxxx替换这样的字符序列进行解码
    function unescapeF(str){
    	return unescape(str.replace(/\\/g, "%"))
    }
    
    此方法现在ECMAScript v3之后已不能使用，所以不推荐使用

// 方法2， 遍历字符串
    function unicode2Ch(str){
    	if(!str){
    		return;
    	}
    	// 控制循环跃迁
    	var len = 1;
    	var result = '';
            // 注意，这里循环变量的变化是i=i+len 了
    	for (var i = 0; i < str.length; i=i+len) {
    		len = 1;
    		var temp = str.charAt(i);
    		if(temp == '\\'){
    			// 找到形如 \u 的字符序列
    			if(str.charAt(i+1) == 'u'){
    				// 提取从i+2开始(包括)的 四个字符
    				var unicode = str.substr((i+2),4); 
                                    // 以16进制为基数解析unicode字符串，得到一个10进制的数字
    				result += String.fromCharCode(parseInt(unicode,16).toString(10));
    				// 提取这个unicode经过了5个字符， 去掉这5次循环
    				len = 6;
    			}
    			else{
    				result += temp;
    			}
    		}
    		else{
    			result += temp;
    		}
    	}
    	return result;
    }
    
    console.info("unicode2Ch:"+ unicode2Ch("love\u4e2d\u56fd1234\u4f60\u597d")) //love中国1234你好

--------------------

最后，来看一下js中 URI  加密和解密的方法：

decodeURI(URIstring)：  //可对 encodeURI() 函数编码过的 URI 进行解码
    
    // 对字符串进行URI 编码，该方法不会对 ASCII 字母和数字进行编码
    // 也不会对具有特殊含义的 ASCII 标点符号，如：   ：;/?:@&=+$,# 进行编码
    // 也不会对这些 ASCII 标点符号进行编码： - _ . ! ~ * ' ( )
    encodeURI(URIstring)
    
    // 例如
    var test1="http://www.w3school.com.cn/My first/?中国"
    
    encodeURI(test1)     //http://www.w3school.com.cn/My%20first/?%E4%B8%AD%E5%9B%BD
    decodeURI(test1)     //http://www.w3school.com.cn/My first/?中国

如果要对比如 ? 和 \# 的 字符进行URI 编码，则应当使用 encodeURIComponent() 方法分别对各组件进行编码。

decodeURIComponent(URIstring)：//对encodeURIComponent() 函数编码的 URI 进行解码
    
    //不会对 ASCII 字母和数字进行编码
    //也不会对这些 ASCII 标点符号进行编码： - _ . ! ~ * ' ( )
    //但是其他字符，比如 ：;/?:@&=+$,# 这些用于分隔 URI 组件的标点符号），都会被由一个或多个十六进制的转义序列替换
    encodeURIComponent(URIstring)
    
    例如：
    var test1="http://www.w3school.com.cn/My first/?中国"
    
    encodeURIComponent(test1) //http%3A%2F%2Fwww.w3school.com.cn%2FMy%20first%2F%3F%E4%B8%AD%E5%9B%BD
    decodeURIComponent(test1)  //http://www.w3school.com.cn/My first/?中国