将表情符号编码为 unicode 代码点 - PHP/JS答案

【问题标题】：Encode emoji to unicode code point - PHP/JS将表情符号编码为 unicode 代码点 - PHP/JS
【发布时间】：2015-09-16 00:34:20
【问题描述】：

假设我在 PHP 上有这个字符串：

$str = '????️';

或者 JavaScript 上的这个字符串：

var str = '????️';

如果我执行utf8_encode($str)，结果是\ud83c\udc04\ufe0f，但我希望它是1F004 或1f004 或\u1f004，以便查找与该字符匹配的图像文件。

我做了很多在线搜索，寻找一种对其进行编码的方法，我发现有很多地方使用相同的术语来表示非常不同的事物，看起来我想要的是“编码”一个字符串到 UTF-32 代码点，但我真的不知道如何命名我想要的，我只想使用 PHP 和/或 JavaScript 将这个 ????️ 转换成这个 1f004。

http://www.fileformat.info/info/unicode/char/1f004/index.htm

谢谢。

【问题讨论】：

标签： javascript php unicode encoding

【解决方案1】：

您想从字节流中获取 unicode 代码点，因此 utf8_encode 无济于事。我找到了一个实现here。

function utf8_to_unicode($c)
{
    $ord0 = ord($c{0}); if ($ord0>=0   && $ord0<=127) return $ord0;
    $ord1 = ord($c{1}); if ($ord0>=192 && $ord0<=223) return ($ord0-192)*64 + ($ord1-128);
    $ord2 = ord($c{2}); if ($ord0>=224 && $ord0<=239) return ($ord0-224)*4096 + ($ord1-128)*64 + ($ord2-128);
    $ord3 = ord($c{3}); if ($ord0>=240 && $ord0<=247) return ($ord0-240)*262144 + ($ord1-128)*4096 + ($ord2-128)*64 + ($ord3-128);
    return false;
}

var_dump( dechex(utf8_to_unicode('?️')) ); // string(5) "1f004"

UTF-8 兼容单字节 ASCII 编码，所以$ord0 = ord($c{0}); if ($ord0>=0 && $ord0<=127) return $ord0; 非常简单。大于 127 的代码点由多字节序列表示。接下来的 1,920 个字符需要两个字节进行编码，$ord1 = ord($c{1}); if ($ord0>=192 && $ord0<=223) return ($ord0-192)*64 + ($ord1-128);。第一个字节需要介于 192 (11000000) 和 223 (11011111) 之间才能格式正确。第二个字节必须是 10xxxxxx（即十进制的 128 到 191）。这里表示的第一个码位是 U+0080，最后一个是 U+07FF。

等等。

【讨论】：

非常感谢，我将把它移植到 JavaScript，你太棒了！
你可以在 JS 中使用这个库：github.com/mathiasbynens/jsesc 并像这样运行：jsesc('?️', {'es6': true, 'escapeEverything': true});

【解决方案2】：

JavaScript 函数：

function e2u(str){
    str = str.replace(/\ufe0f|\u200d/gm, ''); // strips unicode variation selector and zero-width joiner
    var i = 0, c = 0, p = 0, r = [];
    while (i < str.length){
        c = str.charCodeAt(i++);
        if (p){
            r.push((65536+(p-55296<<10)+(c-56320)).toString(16));
            p = 0;
        } else if (55296 <= c && c <= 56319){
            p = c;
        } else {
            r.push(c.toString(16));
        }
    }
    return r.join('-');
}

【讨论】：