JS charCodeAt在PHP中的等价物(完全兼容unicode和emoji )
我在JS中有一个简单的代码，如果涉及到特殊字符，我不能用PHP复制它。
这是JS代码(输出见JSFiddle )：
var str = "t↙️"; //char "t" and special characters, emojis, etc..
document.write("Length is: "+str.length); // Length is: 19
for(var i=0; i<str.length; i++) {
document.write("<br> charCodeAt(" + i + "): " + str.charCodeAt(i));
}第一个问题是PHP strlen()和mb_strlen()已经给出了与JS不同的结果(strlen: 39，mb_strlen: 11)，但是我设法用一个自定义的JS_StringLength函数得到了相同的结果(多亏了this所以answer)。
下面是我到目前为止在PHP中所做的(输出请参阅phpFiddle )：
<?php
function JS_StringLength($string) {
return strlen(iconv('UTF-8', 'UTF-16LE', $string)) / 2;
}
function JS_charCodeAt($str, $index){
//not working!
$char = mb_substr($str, $index, 1, 'UTF-8');
if (mb_check_encoding($char, 'UTF-8'))
{
$ret = mb_convert_encoding($char, 'UTF-32BE', 'UTF-8');
return hexdec(bin2hex($ret));
} else {
return null;
}
}
$str = "t↙️";
echo $str."\n";
//echo "Length is: ".strlen($str)."\n"; //wrong
echo "Length is: ".JS_StringLength($str)."\n"; //OK
for($i=0; $i<JS_StringLength($str); $i++) {
echo "charCodeAt(".$i."): ".JS_charCodeAt($str, $i)."\n";
}经过一整天的谷歌搜索，and trying out everything我发现，没有什么比JS给出了同样的结果。JS_charCodeAt应该是什么才能获得与JS相同的输出并具有类似的性能
实验#1：
在https://r12a.github.io/app-conversion/中输入我的字符串(很棒的东西)。看起来JS使用UTF-16代码单元(19)，而PHP strlen使用UTF-8代码单元(39)。
实验#2：
当在我的字符串上使用json_encode()时-当然了-结果几乎是这样的，JavaScript可能会使用它。我甚至检查了json_encode的原始PHP源代码以及如何使用json_encode escapes strings，但是..好吧..。
在标记为重复之前，请确保使用上面示例中的字符串(或随机表情)测试解决方案，因为在stackoverflow上找到的所有charCodeAt实现都可以处理大多数特殊字符，但不能使用表情。
回答 2
Stack Overflow用户
发布于 2016-11-29 18:55:48
JS处理UTF-16的方式并不理想；charCodeAt正在为你挑选代码单元，包括表情符号中的代理。如果您想要每个字符的实际代码点，String.codePointAt()将是更好的选择。也就是说，由于没有解释你的用例，这就实现了你最初所要求的，而不需要json相关的函数：
<?php
$original = 't↙️';
$converted = iconv('UTF-8', 'UTF-16LE', $original);
for ($i = 0; $i < iconv_strlen($converted, 'UTF-16LE'); $i++) {
$character = iconv_substr($converted, $i, 1, 'UTF-16LE');
$codeUnits = unpack('v*', $character);
foreach ($codeUnits as $codeUnit) {
echo $codeUnit . PHP_EOL;
}
}这会将(假设) UTF-8字符串转换为UTF-16，然后循环遍历每个字符。在UTF-16中，每个字符的大小为2或4字节。使用v重复格式化程序解包时，在前一种情况下将返回一个短整型，在后一种情况下将返回2 (v是无符号短格式设置程序)。
它也可以通过在UTF-8上循环并逐个转换每个字符来实现；不过，这并没有太大的区别。同样，使用mb_*函数也可以实现同样的效果。
编辑
既然你已经询问过一种更快的方法来做这件事，将上面的方法与nwellnhof提供的解决方案结合起来可以提供更好的性能：
<?php
$original = 't↙️';
$converted = iconv('UTF-8', 'UTF-16LE', $original);
for ($i = 0; $i < strlen($converted); $i += 2) {
$codeUnit = ord($converted[$i]) + (ord($converted[$i+1]) << 8);
echo $codeUnit . PHP_EOL;
}首先，这会将UTF-8字符串转换为UTF-16LE。我们感兴趣的是写出UTF-16代码单元(根据behaviour charCodeAt())，这些代码单元由16位表示。循环只是一次跳过2个字节。对于每次迭代，它将获取该位置的字节的数值，并将其添加到下一个字节，左移8。左移是因为我们处理的是小端格式的UTF-16。
举个例子，以孟加拉数字一(১)为例。这由单个UTF-16编码单元2535表示。首先描述如何将其编码为UTF-16BE更容易。该字符的单个代码单元将消耗16位：
0000100111100111 (2535)在PHP中，字符串实际上是字节数组。因此，PHP认为这是：
$converted[0] = 00001001 (9)
$converted[1] = 11100111 (231)给定上述两个字节，我们如何获得代码单元？我们真正想做的是：
0000100100000000 (2304)
+ 11100111 (231)
= 0000100111100111 (2535)但我们不能这样做，因为我们只有一个字节可以玩。解决这个问题的一种方法是使用整数，给我们一个完整的64位(8字节)。而且我们希望以整数形式表示代码单元，因此这似乎是一条合理的路线。我们可以通过ord()获得每个字节的数值
ord($converted[0]) == 0000000000000000000000000000000000000000000000000000000000001001 == 9
ord($converted[1]) == 0000000000000000000000000000000000000000000000000000000011100111 = 231并将第一个值左移8：
0000000000000000000000000000000000000000000000000000000000001001 (9)
<< 0000000000000000000000000000000000000000000000000000000000001000 (8)
= 0000000000000000000000000000000000000000000000000000100100000000 (2304)然后一起求和，就像前面一样：
0000000000000000000000000000000000000000000000000000100100000000 (2304)
+ 0000000000000000000000000000000000000000000000000000000011100111 (231)
= 0000000000000000000000000000000000000000000000000000100111100111 (2535)因此，我们现在有了正确的代码单元值2535。与UTF-16LE的唯一区别是字节顺序颠倒。因此，我们需要将第二个字节左移，而不是将第一个字节左移8。
附言:执行此步骤的另一种等效方法是
for ($i = 0; $i < strlen($converted); $i += 2) {
$codeUnit = unpack('v', $converted[$i] . $converted[$i+1]);
echo $codeUnit . PHP_EOL;
}unpack函数将完全按照提供的v格式化程序的描述执行操作，该格式化程序告诉它以小端序排列的16位。如果您对速度优化感兴趣，那么对2进行基准测试可能是值得的。
Stack Overflow用户
发布于 2016-11-29 21:43:05
如果您确实想要一个与JavaScript的charCodeAt方法等效的方法，请尝试：
function JS_charCodeAt($str, $index) {
$utf16 = mb_convert_encoding($str, 'UTF-16LE', 'UTF-8');
return ord($utf16[$index*2]) + (ord($utf16[$index*2+1]) << 8);
}但是charCodeAt是有问题的，应该用codePointAt代替。大多数在辅助Unicode平面中处理字符的JavaScript代码，比如表情符号和使用charCodeAt，可能是错误的。您可以在问题UTF-8 safe equivalent of ord or charCodeAt() in PHP的答案中找到模拟codePointAt的代码。
https://stackoverflow.com/questions/40841149
复制相似问题