是否有一个函数可以将 UTF-8 更改为 Unicode，将非特殊字符保留为普通字母和数字？
即德语单词“tchüß”将被渲染为“tch AC AC”（请注意，我正在编写 Unicode 代码）。
编辑：我正在尝试以下函数，但是虽然这个函数适用于 ASCII 32-127，但对于双字节字符似乎失败：
function strToHex ($string)
{
$hex = '';
for ($i = 0; $i < mb_strlen ($string, "utf-8"); $i++)
{
$id = ord (mb_substr ($string, $i, 1, "utf-8"));
$hex .= ($id <= 128) ? mb_substr ($string, $i, 1, "utf-8") : "&#" . $id . ";";
}
return ($hex);
}
有什么想法吗？
编辑2：找到解决方案：PHP ord() 函数不适用于双字节字符。使用：http://nl.php.net/manual/en/function.ord.php#78032
对于可读的形式，我会使用 JSON。 JSON 中不需要转义非 ASCII 字符，但 PHP 会这样做：
echo json_encode("tchüß");
"tch\u00fc\u00df"
在 PHP 7 中，有一个新的 IntlChar::ord() 用于从给定的 UTF-8 字符查找 Unicode 代码点：
var_dump(sprintf('U+%04X', IntlChar::ord('ß')));
# Outputs: string(6) "U+00DF"
对于想要查找任何字符的 Unicode 代码点的人来说，这可能很有用。然后，您可以将字符串编码为您想要的任何内容，用转义码替换某些字符，并将其他字符保留为二进制形式（例如 ascii 可打印字符），具体取决于您要使用它的上下文。
UTF-32 的映射本质上是恒等映射： 用于对代码点进行编码的 32 位代码单元具有相同的整数值 作为代码点本身。
/**
* Convert a string into an array of decimal Unicode code points.
*
* @param $string [string] The string to convert to codepoints
* @param $encoding [string] The encoding of $string
*
* @return [array] Array of decimal codepoints for every character of $string
*/
function toCodePoint( $string, $encoding )
{
$utf32 = mb_convert_encoding( $string, 'UTF-32', $encoding );
$length = mb_strlen( $utf32, 'UTF-32' );
$result = [];
for( $i = 0; $i < $length; ++$i )
$result[] = hexdec( bin2hex( mb_substr( $utf32, $i, 1, 'UTF-32' ) ) );
return $result;
}
可以使用 iconv 将一种字符集转换为另一种字符集：
http://php.net/manual/en/function.iconv.php
请注意，UTF 已经是 Unicode 编码。
另一种方法是简单地使用具有正确字符集的 htmlentities：
我猜你会在网站上打印出你的字符串？
我将所有数据库存储在 uft8 中，在输出之前使用 html_entities($string) 。
也许你必须尝试一下 html_entities(utf8_encode($string));
我曾经创建了一个名为 _convert() 的函数，它将所有内容安全地编码为 UTF-8。
在 php 5.6 上测试
/**
* @param string $utf8char
* @return string
*/
function toUnicodeCodePoint($utf8char)
{
return 'U+' . dechex(mb_ord($utf8char));
}
/**
* @see https://github.com/symfony/polyfill-mbstring
* @param string $s
* @return int
*/
function mb_ord($s)
{
$code = ($s = unpack('C*', substr($s, 0, 4))) ? $s[1] : 0;
if (0xF0 <= $code) {
return (($code - 0xF0) << 18) + (($s[2] - 0x80) << 12) + (($s[3] - 0x80) << 6) + $s[4] - 0x80;
}
if (0xE0 <= $code) {
return (($code - 0xE0) << 12) + (($s[2] - 0x80) << 6) + $s[3] - 0x80;
}
if (0xC0 <= $code) {
return (($code - 0xC0) << 6) + $s[2] - 0x80;
}
return $code;
}
echo toUnicodeCodePoint('😓');
// U+1f613
当我需要将西里尔语字符串（默认为 utf-8）转换为部分实体时，我遇到了问题 - 仅西里尔语。 最后我需要得到类似 JSON 的结果，如下所示：
<li class="my_class">City - Mocsow (Москва)</li>
对此：
<li class=\"my_class\">City - Mocsow (\u041c\u043e\u0441\u043a\u0432\u0430)<\/li>
所以，我有一个复杂的（主题作者和 Nus 的混合）解决方案：
function strToHex($string){
$enc="utf-8";
$hex = '';
for ($i = 0; $i < mb_strlen ($string, $enc); $i++){
$id = ord (mb_substr ($string, $i, 1, $enc));
$hex .= ($id <= 128) ? mb_substr ($string, $i, 1, $enc) : toCodePoint(mb_substr ($string, $i, 1, $enc), $enc);
}
return $hex;
}
function toCodePoint($string, $encoding){
$utf32 = mb_convert_encoding( $string, 'UTF-32', $encoding );
$length = mb_strlen( $utf32, 'UTF-32' );
$result = Array();
for( $i = 0; $i < $length; ++$i )$result[] = "\u".substr(bin2hex( mb_substr( $utf32, $i, 1, 'UTF-32' ) ), 4,8);
return implode("", $result);
}
$output=strToHex(
str_replace( // this is for json compatible
array("\"", "\n", "\r", "\t", "/"),
array('\"', '\n', "", " ", "\/"),
$text
)
);
echo $output;
它在 php 5.2.17 上进行了测试:)
我看到很多人混淆了 UTF-8、UTF-16...“编码”和 UNICODE 本身，即具有重叠 255 的大整数“ord”值的字符范围（并且需要使用 UTF-8 或 UTF-16 进行编码才能正确显示为字符）
这里有一个明确的例子来修正这些概念：
数值（整数/长整型）
1294290x1f995\uD83E\uDD950xf09fa695所以... UNICODE 不是 UTF-8 也不是 UTF-16。
这是 Unicode 值的两种“编码方案”。