直到今天，準確的說是剛才，我才知道UTF-8編碼和Unicode編碼是不一樣的，是有區別的囧他們之間是有一定的聯系的，看看他們的區別：

UTF-8的長度是不一定的，有可能是1、2、3字節Unicode長度一定，2個字節（USC-2）UTF-8可以和Unicode互相轉換

上面的表格有2個意思，第一個顯而易見就是說Unicode和UTF-8字符范圍的對應，還有一個可以看出Unicode怎么和UTF-8互相轉換：

UTF-8編碼的二進制和上面的3種格式進行匹配，匹配到之后去掉固定位（表格中的非x位置），然后從右到左每8位一組，不夠8位左邊不領，湊夠2個字節16 bits，這16 bits所表示的就是UTF-8對應的Unicode編碼，看看下面幾個例子：上面圖片中的文字編碼格式為UTF-8，可以用WinHex看到其16進制表示

字符=> UTF-8  => UTF-8二進制=> 去掉固定位置湊夠16位的二進制 => 16進制漢 => E6B189 => 11100110 10110001 10001001=> 01101100 01001001 => 6C49字 => E5AD97 => 11100101 10101101 10010111=> 0101101101010111 => 5B57#下面是在Chrome命令行下面運行的結果'/u6C49'"漢"'/u5B57'"字"#到這里的話，從UTF-8轉換到Unicode已經是一件非常容易的事了，看看轉換的偽代碼讀取一個字節，11100110判斷該UTF-8字符的格式，屬于第三種，3個字節繼續讀取2個字節得到 11100101 10101101 10010111按照格式去掉固定位     1011011 01010111不夠16位，左邊補零    01011011 01010111  => 5B57

5B57獲取5B57所在的Unicode范圍，0800 <= 5B57 <= FFFF，得知5B57的UTF-8有三個字節，形式為1110xxxx 10xxxxxx 10xxxxxx獲取5B57的二進制編碼 101101101010111用上一步驟的二進制編碼從右至左拼接UTF-8編碼 11100101 10101101 10010111 

再說說今天這個問題的起因，從前端輸入很多單詞，UTF-8格式每個詞最多30個字節，因此會在前端和后臺分別做驗證，javascript用的是Unicode編碼，后端程序用的是UTF-8編碼，現在的解決辦法是這樣

function utf8_bytes(str){var len = 0, unicode;for(var i = 0; i < str.length; i++){unicode = str.charCodeAt(i);if(unicode < 0x0080) {++len;} else if(unicode < 0x0800) {len += 2;} else if(unicode <= 0xFFFF) {len += 3;}else {throw "characters must be USC-2!!"}}return len;}#例子utf8_bytes('asdasdas')8utf8_bytes('yrt燕睿濤')12

#對于GBK字符串$len = ceil(strlen(bin2hex(iconv('GBK', 'UTF-8', $Word)))/2);#對于UTF8字符串$len = ceil(strlen(bin2hex($word))/2);

5/21/2015 8:21:53 PM

本文版權歸作者iforever(luluyrt＠163.com)所有，未經作者本人同意禁止任何形式的轉載，轉載文章之后必須在文章頁面明顯位置給出作者和原文連接，否則保留追究法律責任的權利。