lua 5.3可以试试下面的函数:
utf8.char (···)
接收零或多个整数, 将每个整数转换成对应的 UTF-8 字节序列,并返回这些序列连接到一起的字符串。
lua 5.3以下只能靠第三方库:
我使用 lua-iconv库
UNICODE 在C++里用wchar_t表示, 如: wchar_t wc = L'简' 而wchar_t在一些编译器里被定义为无符号短整形 short所以UNICODE (一般情况下)就是一个整数.可以这样定义一个wchar_twchar_t wc2 = 31616; wcout<< wc << " " << wc2 << endl;的结果就是输出两个 简. 只要脑子里想UNICODE (一般情况下)就是 unsigned short, 就会理解.
过程名: decodeUnicode2CN
功能: 将unicode编码格式转换成中文
输入参数:text :unicode编码内容
输出参数:中文输出
=======================================================
FUNCTION DECODEUNICODE2CN(TEXT IN VARCHAR2) RETURN VARCHAR2 IS
V_SQL VARCHAR2(32765); --编码转换sql
TEXT_BUFFER VARCHAR2(32765); --输出中文
BEGIN
V_SQL := 'select unistr(REPLACE(''' || TEXT ||
''',''
u'',''
'')) from dual ';
EXECUTE IMMEDIATE V_SQL
INTO TEXT_BUFFER;
RETURN TEXT_BUFFER;
END;
function unescape($str) {
$str = rawurldecode($str);
preg_match_all("/( :%u.{4})|.{4};|
d+;|.+/U",$str,$r);
$ar = $r[0];
//print_r($ar);
foreach($ar as $k=>$v) {
if(substr($v,0,2) == "%u"){
$ar[$k] = iconv("UCS-2BE","UTF-8",pack("H4",substr($v,-4)));
}
elseif(substr($v,0,3) == ""){
$ar[$k] = iconv("UCS-2BE","UTF-8",pack("H4",substr($v,3,-1)));
}
elseif(substr($v,0,2) == "") {
$ar[$k] = iconv("UCS-2BE","UTF-8",pack("n",substr($v,2,-1)));
}
}
return join("",$ar);
}
echo unescape("紫星蓝");
今天有用户反馈,表单系统用户提交的数据中文会乱码。测试发现问题出在 iconv 转换上。
iconv('UCS-2', 'GBK', '中文')
Google 搜索发现,原因是 Linux 服务器上 UCS-2 编码方式与 Winodws 不一致。
于是,我改成iconv('UCS-2BE', 'GBK', '中文') 试试,中文正常了
以下是有关两个平台 UCS-2 编码的潜规则:
1, UCS-2 不等于 UTF-16。 UTF-16 每个字节使用 ASCII 字符范围编码,而 UCS-2 对每个字节的编码可以超出 ASCII 字符范围。UCS-2 和 UTF-16 对每个字符至多占两个字节,但是他们的编码是不一样的。
2, 对于 UCS-2, windows 下默认是 UCS-2LE。用 MultibyteToWidechar(或者A2W)生成的是 UCS-2LE 的 unicode。windows记事本可以将文本保存为 UCS-2BE,相当于多了层转换。
3, 对于 UCS-2, linux 下默认是 UCS-2BE。用iconv(指定UCS-2)来转换生成的是 UCS-2BE 的 unicode。如果转换windows平台过来的 UCS-2, 需要指定 UCS-2LE。
4, 鉴于windows和linux等多个平台对 UCS-2 的理解不同(UCS-2LE,UCS-2BE)。MS 主张 unicode 有个引导标志(UCS-2LE FFFE, UCS-2BE FEFF),以表明下面的字符是 unicode 并且判别 big-endian 或 little-endian。 所以从 windows 平台过来的数据发现有这个前缀,不用慌张。
5, linux 的编码输出,比如从文件输出,从 printf 输出,需要控制台做适当的编码匹配(如果编码不匹配,一般和该程序编译时的编码有若干关系),而控制台的转换输入需要查看当前的系统编码。比如控制台当前的编码是 UTF-8, 那么 UTF-8 编码的东西能正确显示,GBK 就不能;同样,当前编码是 GBK, 就能显示 GBK 编码,后来的系统应该更智能的处理好更多的转换了。不过通过 putty 等终端还是需要设置好终端的编码转换以解除乱码的烦恼。
PHP中对汉字进行UNICODE编码和解码的实现
//将内容进行UNICODE编码
function unicode_encode($name)
{
$name = iconv('UTF-8', 'UCS-2', $name);
$len = strlen($name);
$str = '';
for ($i = 0; $i < $len - 1; $i = $i + 2)
{
$c = $name[$i];
$c2 = $name[$i + 1];
if (ord($c) > 0)
{// 两个字节的文字
$str .= '
u'.base_convert(ord($c), 10, 16).base_convert(ord($c2), 10, 16);
}
else
{
$str .= $c2;
}
}
return $str;
}
$name = 'MY,你大爷的';
$unicode_name=unicode_encode($name);
echo '
// 将UNICODE编码后的内容进行解码
function unicode_decode($name)
{
// 转换编码,将Unicode编码转换成可以浏览的utf-8编码
$pattern = '/([
w]+)|(
u([
w]{4}))/i';
preg_match_all($pattern, $name, $matches);
if (!empty($matches))
{
$name = '';
for ($j = 0; $j < count($matches[0]); $j++)
{
$str = $matches[0][$j];
if (strpos($str, '
u') === 0)
{
$code = base_convert(substr($str, 2, 2), 16, 10);
$code2 = base_convert(substr($str, 4), 16, 10);
$c = chr($code).chr($code2);
$c = iconv('UCS-2', 'UTF-8', $c);
$name .= $c;
}
else
{
$name .= $str;
}
}
}
return $name;
}
echo 'MY,
u4f60
u5927
u7237
u7684 -> '.unicode_decode($unicode_name);
#加数字是Delphi中使用Unicode编码表示的字符。在Delphi中,使用Unicode编码可以表示所有的字符,包括汉字、符号、英文字母等。
例如,#21697#21517#35268#26684表示的是四个Unicode编码分别为21697、21517、35268、26684的字符。
如果想要在Delphi代码中转换为中文,可以使用如下代码:
s := #21697#21517#35268#26684;
s := WideChar(21697) + WideChar(21517) + WideChar(35268) + WideChar(26684);
这样,变量s就会包含四个Unicode编码分别为21697、21517、35268、26684的字符。如果这些字符对应的是中文,那么s就会包含四个中文字符。
此外,还可以使用如下代码将Unicode编码转换为中文字符串:
s := #21697#21517#35268#26684;
s := String(s);
大家在关注