Wie extrahiere ich UCS-2-Codepunkte aus UTF-8-Zeichen in PHP?

Bestimmen von UCS-2-Codepunkten für UTF-8-Zeichen in PHP

Die vorliegende Aufgabe besteht darin, die UCS-2-Codepunkte zu extrahieren für Zeichen innerhalb einer bestimmten UTF-8-Zeichenfolge. Um dies zu erreichen, kann eine benutzerdefinierte PHP-Funktion definiert werden.

Zunächst ist es wichtig, das UTF-8-Codierungsschema zu verstehen. Jedes Zeichen wird abhängig von seinem Unicode-Codepunkt durch eine Folge von 1 bis 4 Bytes dargestellt. Die Bereiche für jede Bytegröße sind wie folgt:

• 0xxxxxxx: 1 Byte
• 110xxxxxx 10xxxxxx: 2 Bytes
• 1110xxxxx 10xxxxxx 10xxxxxx: 3 Bytes
• 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx: 4 Bytes

Um die Anzahl der Bytes pro Zeichen zu bestimmen, untersuchen Sie das erste Byte:

• 0: 1-Byte-Zeichen
• 110: 2-Byte-Zeichen
• 1110: 3 Byte Zeichen
• 11110: 4-Byte-Zeichen
• 10: Fortsetzungsbyte
• 11111: Ungültiges Zeichen

Sobald die Anzahl der Bytes bestimmt ist, Bit Manipulation kann verwendet werden, um den Codepunkt zu extrahieren.

Benutzerdefiniertes PHP Funktion:

Basierend auf der obigen Analyse ist hier eine benutzerdefinierte PHP-Funktion, die ein einzelnes UTF-8-Zeichen als Eingabe verwendet und seinen UCS-2-Codepunkt zurückgibt:

<code class="php">function get_ucs2_codepoint($char)
{
    // Initialize the code point
    $codePoint = 0;

    // Get the first byte
    $firstByte = ord($char);

    // Determine the number of bytes
    if ($firstByte < 128) {
        $bytes = 1;
    } elseif ($firstByte < 192) {
        $bytes = 2;
    } elseif ($firstByte < 224) {
        $bytes = 3;
    } elseif ($firstByte < 240) {
        $bytes = 4;
    } else {
        // Invalid character
        return -1;
    }

    // Shift and extract code point
    switch ($bytes) {
        case 1:
            $codePoint = $firstByte;
            break;
        case 2:
            $codePoint = ($firstByte & 0x1F) << 6;
            $codePoint |= ord($char[1]) & 0x3F;
            break;
        case 3:
            $codePoint = ($firstByte & 0x0F) << 12;
            $codePoint |= (ord($char[1]) & 0x3F) << 6;
            $codePoint |= ord($char[2]) & 0x3F;
            break;
        case 4:
            $codePoint = ($firstByte & 0x07) << 18;
            $codePoint |= (ord($char[1]) & 0x3F) << 12;
            $codePoint |= (ord($char[2]) & 0x3F) << 6;
            $codePoint |= ord($char[3]) & 0x3F;
            break;
    }

    return $codePoint;
}</code>

Beispielverwendung:

Um die Funktion zu verwenden, geben Sie einfach ein UTF-8-Zeichen als ein Eingabe:

<code class="php">$char = "ñ";
$codePoint = get_ucs2_codepoint($char);
echo "UCS-2 code point: $codePoint\n";</code>

Ausgabe:

UCS-2 code point: 241

Das obige ist der detaillierte Inhalt vonWie extrahiere ich UCS-2-Codepunkte aus UTF-8-Zeichen in PHP?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!