JavaScript如何实现UTF-16编码转换为UTF-8编码——utfx.js源码解析

发表于 4年以前  | 总阅读数:1237 次

概述

当你在前端需要通过二进制数据与服务端进行通信时,你可能会遇到二进制数据的编码问题。大部分服务端的字符串编码类型都为UTF-8,而JavaScript中字符串编码类型是UTF-16,因此,你需要一个能够将字符串在两种编码方式间进行转换的方法。

本文通过对utfx.js这个库的代码进行分析,带大家深入了解UTF8和UTF16这两种编码方式在JavaScript中的转换方法,同时加深对Unicode中UTF-8和UTF-16两种编码方式的具体原理的理解。

本文的主要内容为:

  • utfx.js API简单介绍
  • UTF-16编码转换为UTF-8编码
  • UTF-8编码字符串长度计算
  • 实验性功能:window.TextEncoder

如果有读者不了解Unicode中UTF-8和UTF-16两种编码方式的具体原理,可以阅读我的前一篇博客——Unicode中UTF-8与UTF-16编码详解

如果有读者想要了解该库相关的转换使用场景,可以阅读我之前的博客WebSocket系列之JavaScript字符串如何与二进制数据间进行互相转换

utfx.js API简介

在进行具体的代码详解之前,我们先来了解下我们需要介绍的库——utfx.js。我们只有了解了这个库的使用方法,我们才能够更好的理解源码。

utfx.js代码不多,一共只有八个API接口,分别为:

  • encodeUTF8:将UTF-8编码的字符串code码转换为二进制bytes。
  • decodeUTF8:将UTF-8编码的二进制bytes解码城字符串code码。
  • UTF16toUTF8:将UTF-16的字符转换为UTF-8的code码。
  • UTF8toUTF16:将UTF-8的code码转换为UTF-16的字符。
  • encodeUTF16toUTF8:将UTF-16编码的字符转换为UTF-8编码的bytes。
  • decodeUTF8toUTF16:将UTF-8编码的bytes转换为UTF-16编码的字符。
  • calculateCodePoint:计算UTF-8编码下的字符长度。
  • calculateUTF8:计算需要用来存储UTF-8编码code码的bytes的长度。
  • calculateUTF16asUTF8:计算UTF-16编码的字符在转换成UTF-8后需要的存储长度。

下面,我们将挑选几个具有代表性的API,针对其实现的具体代码来进行分析,帮助大家快速理解这两种编码方式。

UTF-16编码转换为UTF-8编码

下面让我们来看下如何将UTF-16编码的数据转换为UTF-8编码的数据。

当我们需要把UTF-16的数据转换为UTF-8编码的数据时,最好的方法肯定是将UTF-16编码的数据转换为通用的Unicode码,在进行UTF-8编码。我们通过UTF16toUTF8和encodeUTF8方法的代码来进行具体解析。

UTF16toUTF8

这个函数名看上去是直接将UTF-16编码的bytes数据转换为UTF-8编码的的Bytes数据。其实是,将UTF-16编码的bytes数据转换为Unicode对应的二进制数据

/**
 * UTF16数据转换到Unicode数据
 * @param src 数据源,类型为Function,调用一次返回1 Byte数据,如果到达字符串末尾则返回null
 * @param dst 处理函数,类型为Function,得到的Bytes作为参数传递给dst函数
 */
utfx.UTF16toUTF8 = function (src, dst) {
    var c1, c2 = null;
    while (true) {
        // 到达结尾调用src函数得到null后会进入此分支逻辑
        if ((c1 = c2 !== null ? c2 : src()) === null)
            break;

        //Unicode标准规定,U+D800~U+DFFF的值不对应任何字符,即专门用来判断是否为高位代理
        if (c1 >= 0xD800 && c1 <= 0xDFFF) {
            if ((c2 = src()) !== null) {
                // 如果Unicode码范围超过U+FFFF则会进入此分支逻辑(两段:第一段大于U+D800,第二段大于U+DC00)
                if (c2 >= 0xDC00 && c2 <= 0xDFFF) {
                    // 第一步:用c1还原高10位;第二步:用c2还原低十位;第三步:加上减去的0x10000
                    dst((c1 - 0xD800) * 0x400 + c2 - 0xDC00 + 0x10000);
                    c2 = null; continue;
                }
            }
        }
        dst(c1);
    }
    if (c2 !== null) dst(c2);
};

根据代码和上面的注释,大家应该就能看懂对应代码,因此在此不做过多赘述。我们接着看将Unicode码转换为UTF-8编码的方法。

encodeUTF8

该方法是将Unicode码进行UTF-8编码转换,从而得到UTF-8编码的Bytes数据。

/**
 * Unicode数据转换为UTF-8数据
 * @param src 数据源,类型为Function,调用一次返回1 Byte数据,如果到达字符串末尾则返回null
 * @param dst 处理函数,类型为Function,得到的Bytes作为参数传递给dst函数
 */
utfx.encodeUTF8 = function (src, dst) {
    var cp = null;
    if (typeof src === 'number')
        cp = src,
            src = function () {return null;};
    while (cp !== null || (cp = src()) !== null) {
        if (cp < 0x80)
        // 1 byte存储情况
            dst(cp & 0x7F);
        else if (cp < 0x800)
        // 2 byte存储情况
            dst(((cp >> 6) & 0x1F) | 0xC0),
            dst((cp & 0x3F) | 0x80);
        else if (cp < 0x10000)
        // 3 byte存储情况
            dst(((cp >> 12) & 0x0F) | 0xE0),
            dst(((cp >> 6) & 0x3F) | 0x80),
            dst((cp & 0x3F) | 0x80);
        else
        // 4 byte存储情况
            dst(((cp >> 18) & 0x07) | 0xF0),
            dst(((cp >> 12) & 0x3F) | 0x80),
            dst(((cp >> 6) & 0x3F) | 0x80),
            dst((cp & 0x3F) | 0x80);
        cp = null;
    }
};

上面的代码与UTF-8编码规范中的方式基本一致,如果没有理解相关规范,可以先阅读本文概述中提到的前一篇博客。

编码字符串长度计算

当我们给出一串Unicode码时,我们需要知道申请多大的ArrayBuffer来进行转换后的数据存储。正好,这个库还提供了根据Unicode码的长度或者UTF-16编码格式的数据来计算UTF-8数据的存储长度。

下面我们来介绍calculateUTF8calculateUTF16asUTF8这两个方法。

calculateUTF8

该方法是通过Unicode码来计算转换为UTF-8编码后所占存储长度。

/**
 * 根据Unicode编码来计算转换成UTF-8编码后需要的存储长度
 * @param src 数据源,类型为Function,调用一次返回1 Byte数据,如果到达字符串末尾则返回null
 */
utfx.calculateUTF8 = function (src) {
    var cp, l = 0;
    while ((cp = src()) !== null)
        // 占1 Byte的范围是0~0x7F;占2 Byte的范围是0x80~0x7FF;占三个字节的范围是0x800~0xFFFF;占4个字节的范围为:0x10000~0x10FFFF
        l += (cp < 0x80) ? 1 : (cp < 0x800) ? 2 : (cp < 0x10000) ? 3 : 4;
    return l;
};

根据上面的的代码和UTF-8的编码规范,我们就能够很容易理解这种宽度计算的方法。

calculateUTF16asUTF8

该方法是通过UTF16的数据来计算转换为Unicode码和转换为UTF-8编码后所占存储长度。

/**
 * 根据UTF-16编码的Bytes来计算转换为Unicode的长度和转换成UTF-8编码后需要的存储长度
 * @param src 数据源,类型为Function,调用一次返回1 Byte数据,如果到达字符串末尾则返回null
 */
utfx.calculateUTF16asUTF8 = function (src) {
    var n = 0, l = 0;
    utfx.UTF16toUTF8(src, function (cp) {
        ++n; l += (cp < 0x80) ? 1 : (cp < 0x800) ? 2 : (cp < 0x10000) ? 3 : 4;
    });
    return [n, l];
};

该方法通过之前介绍的将UTF-16编码转换为Unicode码的方法获取到Unicode数据,再进行计算,返回了Unicode码的长度和UTF-8编码后长度。

window.TextEncoder与Window.TextDecoder

这是两个处在实验性的新构造函数,通过创建编码器(TextEncode对象)和解码器(TextDecode对象)来实现JavaScript中string类型与UTF-8编码数据中的互相转换。

构造方法将会返回一个UTF-8编码的,使用方法如下:

let encoder = new TextEncoder();
let decoder = new TextDecoder();

let unit8Array = encoder.encode('a'); // 返回一个Unit8Array类型——[97]
let str = decoder.decode(arr); // 返回一个值为'a'的字符串

目前,这项新技术的的兼容性仍然存在很大问题,只有Chrome 38、Firefox 19以及Opera 25以上才支持,其他主流的浏览器如IE和Safari都还没有任何支持,因此在生产环节中需要慎重使用。

总结

本文对实现了Unicode中UTF-8和UTF-16这两种编码方式的库——utfx.js进行了部分代码分析。通过看到具体的代码实现,相信大家应该能够更加好的理解这两种编码方式的具体规范,以及对应的使用方式和场景。

本文由哈喽比特于4年以前收录,如有侵权请联系我们。
文章来源:https://github.com/HJava/myBlog

 相关推荐

刘强东夫妇:“移民美国”传言被驳斥

京东创始人刘强东和其妻子章泽天最近成为了互联网舆论关注的焦点。有关他们“移民美国”和在美国购买豪宅的传言在互联网上广泛传播。然而,京东官方通过微博发言人发布的消息澄清了这些传言,称这些言论纯属虚假信息和蓄意捏造。

发布于:6月以前  |  808次阅读  |  详细内容 »

博主曝三大运营商,将集体采购百万台华为Mate60系列

日前,据博主“@超能数码君老周”爆料,国内三大运营商中国移动、中国电信和中国联通预计将集体采购百万台规模的华为Mate60系列手机。

发布于:6月以前  |  770次阅读  |  详细内容 »

ASML CEO警告:出口管制不是可行做法,不要“逼迫中国大陆创新”

据报道,荷兰半导体设备公司ASML正看到美国对华遏制政策的负面影响。阿斯麦(ASML)CEO彼得·温宁克在一档电视节目中分享了他对中国大陆问题以及该公司面临的出口管制和保护主义的看法。彼得曾在多个场合表达了他对出口管制以及中荷经济关系的担忧。

发布于:6月以前  |  756次阅读  |  详细内容 »

抖音中长视频App青桃更名抖音精选,字节再发力对抗B站

今年早些时候,抖音悄然上线了一款名为“青桃”的 App,Slogan 为“看见你的热爱”,根据应用介绍可知,“青桃”是一个属于年轻人的兴趣知识视频平台,由抖音官方出品的中长视频关联版本,整体风格有些类似B站。

发布于:6月以前  |  648次阅读  |  详细内容 »

威马CDO:中国每百户家庭仅17户有车

日前,威马汽车首席数据官梅松林转发了一份“世界各国地区拥车率排行榜”,同时,他发文表示:中国汽车普及率低于非洲国家尼日利亚,每百户家庭仅17户有车。意大利世界排名第一,每十户中九户有车。

发布于:6月以前  |  589次阅读  |  详细内容 »

研究发现维生素 C 等抗氧化剂会刺激癌症生长和转移

近日,一项新的研究发现,维生素 C 和 E 等抗氧化剂会激活一种机制,刺激癌症肿瘤中新血管的生长,帮助它们生长和扩散。

发布于:6月以前  |  449次阅读  |  详细内容 »

苹果据称正引入3D打印技术,用以生产智能手表的钢质底盘

据媒体援引消息人士报道,苹果公司正在测试使用3D打印技术来生产其智能手表的钢质底盘。消息传出后,3D系统一度大涨超10%,不过截至周三收盘,该股涨幅回落至2%以内。

发布于:6月以前  |  446次阅读  |  详细内容 »

千万级抖音网红秀才账号被封禁

9月2日,坐拥千万粉丝的网红主播“秀才”账号被封禁,在社交媒体平台上引发热议。平台相关负责人表示,“秀才”账号违反平台相关规定,已封禁。据知情人士透露,秀才近期被举报存在违法行为,这可能是他被封禁的部分原因。据悉,“秀才”年龄39岁,是安徽省亳州市蒙城县人,抖音网红,粉丝数量超1200万。他曾被称为“中老年...

发布于:6月以前  |  445次阅读  |  详细内容 »

亚马逊股东起诉公司和贝索斯,称其在购买卫星发射服务时忽视了 SpaceX

9月3日消息,亚马逊的一些股东,包括持有该公司股票的一家养老基金,日前对亚马逊、其创始人贝索斯和其董事会提起诉讼,指控他们在为 Project Kuiper 卫星星座项目购买发射服务时“违反了信义义务”。

发布于:6月以前  |  444次阅读  |  详细内容 »

苹果上线AppsbyApple网站,以推广自家应用程序

据消息,为推广自家应用,苹果现推出了一个名为“Apps by Apple”的网站,展示了苹果为旗下产品(如 iPhone、iPad、Apple Watch、Mac 和 Apple TV)开发的各种应用程序。

发布于:6月以前  |  442次阅读  |  详细内容 »

特斯拉美国降价引发投资者不满:“这是短期麻醉剂”

特斯拉本周在美国大幅下调Model S和X售价,引发了该公司一些最坚定支持者的不满。知名特斯拉多头、未来基金(Future Fund)管理合伙人加里·布莱克发帖称,降价是一种“短期麻醉剂”,会让潜在客户等待进一步降价。

发布于:6月以前  |  441次阅读  |  详细内容 »

光刻机巨头阿斯麦:拿到许可,继续对华出口

据外媒9月2日报道,荷兰半导体设备制造商阿斯麦称,尽管荷兰政府颁布的半导体设备出口管制新规9月正式生效,但该公司已获得在2023年底以前向中国运送受限制芯片制造机器的许可。

发布于:6月以前  |  437次阅读  |  详细内容 »

马斯克与库克首次隔空合作:为苹果提供卫星服务

近日,根据美国证券交易委员会的文件显示,苹果卫星服务提供商 Globalstar 近期向马斯克旗下的 SpaceX 支付 6400 万美元(约 4.65 亿元人民币)。用于在 2023-2025 年期间,发射卫星,进一步扩展苹果 iPhone 系列的 SOS 卫星服务。

发布于:6月以前  |  430次阅读  |  详细内容 »

𝕏(推特)调整隐私政策,可拿用户发布的信息训练 AI 模型

据报道,马斯克旗下社交平台𝕏(推特)日前调整了隐私政策,允许 𝕏 使用用户发布的信息来训练其人工智能(AI)模型。新的隐私政策将于 9 月 29 日生效。新政策规定,𝕏可能会使用所收集到的平台信息和公开可用的信息,来帮助训练 𝕏 的机器学习或人工智能模型。

发布于:6月以前  |  428次阅读  |  详细内容 »

荣耀CEO谈华为手机回归:替老同事们高兴,对行业也是好事

9月2日,荣耀CEO赵明在采访中谈及华为手机回归时表示,替老同事们高兴,觉得手机行业,由于华为的回归,让竞争充满了更多的可能性和更多的魅力,对行业来说也是件好事。

发布于:6月以前  |  423次阅读  |  详细内容 »

AI操控无人机能力超越人类冠军

《自然》30日发表的一篇论文报道了一个名为Swift的人工智能(AI)系统,该系统驾驶无人机的能力可在真实世界中一对一冠军赛里战胜人类对手。

发布于:6月以前  |  423次阅读  |  详细内容 »

AI生成的蘑菇科普书存在可致命错误

近日,非营利组织纽约真菌学会(NYMS)发出警告,表示亚马逊为代表的电商平台上,充斥着各种AI生成的蘑菇觅食科普书籍,其中存在诸多错误。

发布于:6月以前  |  420次阅读  |  详细内容 »

社交媒体平台𝕏计划收集用户生物识别数据与工作教育经历

社交媒体平台𝕏(原推特)新隐私政策提到:“在您同意的情况下,我们可能出于安全、安保和身份识别目的收集和使用您的生物识别信息。”

发布于:6月以前  |  411次阅读  |  详细内容 »

国产扫地机器人热销欧洲,国产割草机器人抢占欧洲草坪

2023年德国柏林消费电子展上,各大企业都带来了最新的理念和产品,而高端化、本土化的中国产品正在不断吸引欧洲等国际市场的目光。

发布于:6月以前  |  406次阅读  |  详细内容 »

罗永浩吐槽iPhone15和14不会有区别,除了序列号变了

罗永浩日前在直播中吐槽苹果即将推出的 iPhone 新品,具体内容为:“以我对我‘子公司’的了解,我认为 iPhone 15 跟 iPhone 14 不会有什么区别的,除了序(列)号变了,这个‘不要脸’的东西,这个‘臭厨子’。

发布于:6月以前  |  398次阅读  |  详细内容 »
 目录