JavaString.getBytes（“UTF8”）JavaScript模拟
在那里编写的函数可以正常工作，即JavaString.getBytes（“UTF8”）JavaScript模拟,java,javascript,string,utf-8,byte,Java,Javascript,String,Utf 8,Byte,在那里编写的函数可以正常工作，即pack（unpack（“string”）产生“string”。但是我希望得到与Java中的“string.getBytes（“UTF8”）相同的结果 问题是如何使一个函数提供与JavaScript中的JavaGetBytes（“UTF8”）相同的功能 对于拉丁字符串，上述文章中的unpack（str）提供了与getBytes（“UTF8”）相同的结果，只是它为奇数位置添加了0。但对于非拉丁字符串，它的工作原理完全不同，因为在我看来。有没有一种方法可以像Java一
pack（unpack（“string”）“string”“string.getBytes（“UTF8”）unpack（str）getBytes（“UTF8”）0 utf8.push(0xffffffc0 | (charcode >> 6),
0xffffff80 | (charcode & 0x3f));
下面的函数将处理U+FFFF以上的函数 因为javascript文本在UTF-16中，所以字符串中使用两个“字符”来表示BMP上方的字符，charCodeAt返回相应的代理代码。fixedCharCodeAt处理这个问题
function encodeTextToUtf8(text) {
var bin = [];
for (var i = 0; i < text.length; i++) {
var v = fixedCharCodeAt(text, i);
if (v === false) continue;
encodeCharCodeToUtf8(v, bin);
}
return bin;
}
function encodeCharCodeToUtf8(codePt, bin) {
if (codePt <= 0x7F) {
bin.push(codePt);
} else if (codePt <= 0x7FF) {
bin.push(192 | (codePt >> 6), 128 | (codePt & 63));
} else if (codePt <= 0xFFFF) {
bin.push(224 | (codePt >> 12),
128 | ((codePt >> 6) & 63),
128 | (codePt & 63));
} else if (codePt <= 0x1FFFFF) {
bin.push(240 | (codePt >> 18),
128 | ((codePt >> 12) & 63),
128 | ((codePt >> 6) & 63),
128 | (codePt & 63));
}
}
function fixedCharCodeAt (str, idx) {
// ex. fixedCharCodeAt ('\uD800\uDC00', 0); // 65536
// ex. fixedCharCodeAt ('\uD800\uDC00', 1); // 65536
idx = idx || 0;
var code = str.charCodeAt(idx);
var hi, low;
if (0xD800 <= code && code <= 0xDBFF) { // High surrogate (could change last hex to 0xDB7F to treat high private surrogates as single characters)
hi = code;
low = str.charCodeAt(idx+1);
if (isNaN(low)) {
throw(encoding_error.invalid_surrogate_pair.replace('%pos%', idx));
}
return ((hi - 0xD800) * 0x400) + (low - 0xDC00) + 0x10000;
}
if (0xDC00 <= code && code <= 0xDFFF) { // Low surrogate
// We return false to allow loops to skip this iteration since should have already handled high surrogate above in the previous iteration
return false;
/*hi = str.charCodeAt(idx-1);
low = code;
return ((hi - 0xD800) * 0x400) + (low - 0xDC00) + 0x10000;*/
}
return code;
}
函数encodeTextToUtf8（文本）{
var-bin=[]；
对于（变量i=0；i12），
128 |（（代码>>6）和63），
128 |（codePt&63））；
}否则，如果（代码点>18），
128 |（（代码点>>12）和63），
128 |（（代码>>6）和63），
128 |（codePt&63））；
}
}
函数fixedCharCodeAt（str，idx）{
//例如fixedCharCodeAt（'\uD800\uDC00'，0）；//65536
//例如fixedCharCodeAt（'\uD800\uDC00'，1）；//65536
idx=idx | | 0；
var代码=str.charCodeAt（idx）；
var高，低；
如果（0xD800您不需要编写完整的UTF-8编码器；有一种更简单的JS习惯用法可以将Unicode字符串转换为表示UTF-8代码单元的字节字符串：
unescape(encodeURIComponent(str))
（这是因为escape
/unescape
使用的奇数编码使用%xx
十六进制序列用该代码表示ISO-8859-1字符，而不是URI组件转义使用的UTF-8。类似地，decodeURIComponent（escape（字节））
使用的是另一个方向。）
因此，如果您希望输出一个数组，它将是：
function toUTF8Array(str) {
var utf8= unescape(encodeURIComponent(str));
var arr= new Array(utf8.length);
for (var i= 0; i<utf8.length; i++)
arr[i]= utf8.charCodeAt(i);
return arr;
}
函数toUTF8Array（str）{
var utf8=unescape（encodeURIComponent（str））；
var arr=新数组（utf8.长度）；
对于（var i=0；itextcoder
是的一部分，根据Chrome仪表板的条目，它在Firefox中提供，并将在Chrome 38中提供。对于其他浏览器，也有一个polyfill
下面的JavaScript代码示例返回一个Uint8Array
，其中填充了您期望的值
(new TextEncoder()).encode("string")
// [115, 116, 114, 105, 110, 103]
betters展示的一个更有趣的例子是UTF-8将字符串中的替换为îñ：
(new TextEncoder()).encode("strîñg")
[115, 116, 114, 195, 174, 195, 177, 103]
也许吧？不…“中".getBytes（“UTF8”）
产生{-28，-72，-83}
，但是从答案到[78，45]的函数
@Kremchik JavaScript使用UTF-16，因此0
s——它们是每个16位代码单元的上半部分。根据UTF-8方案编码时，该汉字需要3个字节，而通过UTF-16只需要2个字节。这是最好的答案，做得很好。也是优雅的代码。我将该方法缩小，并为toUTF8Array添加了一个反向方法
，最后一步是将其全部放入字符串中。prototype
，这使用法更加清晰和简单。请查看：。这似乎比公认的解决方案，即公认的位篡改自定义实现要好得多。
function toUTF8Array(str) {
var utf8= unescape(encodeURIComponent(str));
var arr= new Array(utf8.length);
for (var i= 0; i<utf8.length; i++)
arr[i]= utf8.charCodeAt(i);
return arr;
}
(new TextEncoder()).encode("string")
// [115, 116, 114, 105, 110, 103]
(new TextEncoder()).encode("strîñg")
[115, 116, 114, 195, 174, 195, 177, 103]