如何在PHP中将双字节UTF-8字符转换为UTF-16

Question

我有一个双字节的UTF8字符，如下所示。

\ud83d\ude04

（这是iOS表情符号）我想转换为UTF-16格式。

U+1F604

我应该如何做到这一点？ 我已经尝试了以下方法：

$utf8_string = "\ud83d\ude04";
$utf16_string = mb_convert_encoding($utf8_string, 'UTF-16', 'UTF-8');

但是我得到的是原始的utf8字符串，没有转换。

我想我可能需要先解码utf8字符串。我尝试使用json_decode进行解码（这很好地解码了utf8字符集）。但仍然没有成功。

- leon.nk

---

\u... 不是 UTF-8 编码，而 U+... 也不是 UTF-16 编码。前者看起来像字符的 JSON 编码表示形式，后者看起来像正式的 Unicode 代码点。两者都不是 UTF 编码。 - deceze

Answer 1

首先，让我们搞清楚这些术语:

• \ud83d\ude04是Unicode转义序列，例如在Javascript中使用。它不是“UTF-8”。
• 它也不是“双字节”，而是代理对。
• U+1F604是Unicode代码点的官方符号。它不是“UTF-16”。

第一步是从"\ud83d\ude04"获取UTF-8编码的字符串。最简单的方法是：

$utf8 = json_decode('"\ud83d\ude04"'); // note the added "" quotes

要将文本转换为UTF-16编码的字符串，只需执行以下操作：

iconv('UTF-8', 'UTF-16', $utf8)

然而，结果并非“U+1F604”，而是一个UTF-16编码的字符串（其十六进制表示为feffd83dde04）。

要获得Unicode代码点表示法，最简单的方法可能是将其转换为UCS-4并调整前导零：

$ucs4      = iconv('UTF-8', 'UCS-4', $utf8);
$codepoint = sprintf('U+%04s', ltrim(strtoupper(bin2hex($ucs4)), '0'));

- deceze