Как получить символ из кодовой точки юникода в PHP?

Например,

как получить символ, соответствующий U + 010F ?

header('Content-Encoding: UTF-8'); function mb_html_entity_decode($string) { if (extension_loaded('mbstring') === true) { mb_language('Neutral'); mb_internal_encoding('UTF-8'); mb_detect_order(array('UTF-8', 'ISO-8859-15', 'ISO-8859-1', 'ASCII')); return mb_convert_encoding($string, 'UTF-8', 'HTML-ENTITIES'); } return html_entity_decode($string, ENT_COMPAT, 'UTF-8'); } function mb_ord($string) { if (extension_loaded('mbstring') === true) { mb_language('Neutral'); mb_internal_encoding('UTF-8'); mb_detect_order(array('UTF-8', 'ISO-8859-15', 'ISO-8859-1', 'ASCII')); $result = unpack('N', mb_convert_encoding($string, 'UCS-4BE', 'UTF-8')); if (is_array($result) === true) { return $result[1]; } } return ord($string); } function mb_chr($string) { return mb_html_entity_decode('&#' . intval($string) . ';'); } var_dump(hexdec('010F')); var_dump(mb_ord('ó')); // 243 var_dump(mb_chr(243)); // ó 

Я просто написал polyfill для отсутствия многобайтовых версий ord и chr имея в виду следующее:

  • Он определяет функции mb_ord и mb_chr только в том случае, если они еще не существуют. Если они существуют в вашей структуре или в какой-либо будущей версии PHP, полипол будет игнорироваться.

  • Он использует широко используемое mbstring для преобразования. Если mbstring не загружено, вместо этого будет использоваться расширение iconv .


РЕДАКТИРОВАТЬ :

Я добавил функции для кодирования / декодирования HTML, кодирования / декодирования в формат JSON, а также демонстрационный код для использования этих функций


Код :

 if (!function_exists('codepoint_encode')) { function codepoint_encode($str) { return substr(json_encode($str), 1, -1); } } if (!function_exists('codepoint_decode')) { function codepoint_decode($str) { return json_decode(sprintf('"%s"', $str)); } } if (!function_exists('mb_internal_encoding')) { function mb_internal_encoding($encoding = NULL) { return ($from_encoding === NULL) ? iconv_get_encoding() : iconv_set_encoding($encoding); } } if (!function_exists('mb_convert_encoding')) { function mb_convert_encoding($str, $to_encoding, $from_encoding = NULL) { return iconv(($from_encoding === NULL) ? mb_internal_encoding() : $from_encoding, $to_encoding, $str); } } if (!function_exists('mb_chr')) { function mb_chr($ord, $encoding = 'UTF-8') { if ($encoding === 'UCS-4BE') { return pack("N", $ord); } else { return mb_convert_encoding(mb_chr($ord, 'UCS-4BE'), $encoding, 'UCS-4BE'); } } } if (!function_exists('mb_ord')) { function mb_ord($char, $encoding = 'UTF-8') { if ($encoding === 'UCS-4BE') { list(, $ord) = (strlen($char) === 4) ? @unpack('N', $char) : @unpack('n', $char); return $ord; } else { return mb_ord(mb_convert_encoding($char, 'UCS-4BE', $encoding), 'UCS-4BE'); } } } if (!function_exists('mb_htmlentities')) { function mb_htmlentities($string, $hex = true, $encoding = 'UTF-8') { return preg_replace_callback('/[\x{80}-\x{10FFFF}]/u', function ($match) use ($hex) { return sprintf($hex ? '&#x%X;' : '&#%d;', mb_ord($match[0])); }, $string); } } if (!function_exists('mb_html_entity_decode')) { function mb_html_entity_decode($string, $flags = null, $encoding = 'UTF-8') { return html_entity_decode($string, ($flags === NULL) ? ENT_COMPAT | ENT_HTML401 : $flags, $encoding); } } 

Как использовать :

 echo "Get string from numeric DEC value\n"; var_dump(mb_chr(50319, 'UCS-4BE')); var_dump(mb_chr(271)); echo "\nGet string from numeric HEX value\n"; var_dump(mb_chr(0xC48F, 'UCS-4BE')); var_dump(mb_chr(0x010F)); echo "\nGet numeric value of character as DEC string\n"; var_dump(mb_ord('ď', 'UCS-4BE')); var_dump(mb_ord('ď')); echo "\nGet numeric value of character as HEX string\n"; var_dump(dechex(mb_ord('ď', 'UCS-4BE'))); var_dump(dechex(mb_ord('ď'))); echo "\nEncode / decode to DEC based HTML entities\n"; var_dump(mb_htmlentities('tchüß', false)); var_dump(mb_html_entity_decode('tchüß')); echo "\nEncode / decode to HEX based HTML entities\n"; var_dump(mb_htmlentities('tchüß')); var_dump(mb_html_entity_decode('tchüß')); echo "\nUse JSON encoding / decoding\n"; var_dump(codepoint_encode("tchüß")); var_dump(codepoint_decode('tch\u00fc\u00df')); 

Выход :

 Get string from numeric DEC value string(4) "ď" string(2) "ď" Get string from numeric HEX value string(4) "ď" string(2) "ď" Get numeric value of character as DEC int int(50319) int(271) Get numeric value of character as HEX string string(4) "c48f" string(3) "10f" Encode / decode to DEC based HTML entities string(15) "tchüß" string(7) "tchüß" Encode / decode to HEX based HTML entities string(15) "tchüß" string(7) "tchüß" Use JSON encoding / decoding string(15) "tch\u00fc\u00df" string(7) "tchüß" 

IntlChar – это новый встроенный класс на основе ICU, выпущенный с PHP / 7, который точно решает эту проблему:

IntlChar предоставляет доступ к ряду методов утилиты, которые могут использоваться для доступа к информации о символах Unicode.

 // PHP 7.0 and later var_dump( "\u{010F}" === IntlChar::chr(0x010F), 0x010F === IntlChar::ord("\u{010F}") ); // PHP 7.2.0-dev var_dump( "\u{010F}" === mb_chr(0x010F, "UTF-8"), 0x010F === mb_ord("\u{010F}", "UTF-8") ); 

В случае, если это полезно для всех, PHP 7.2 теперь добавил эквиваленты mb_ord и mb_chr в ord и chr . Например, следующий код будет работать в PHP 7.2

 $charPoint = "U+010F"; echo mb_chr(hexdec(substr($charPoint,2)); // prints ď 

У этого есть 2 побочных эффекта (a) Не нужно реализовывать свои собственные и (б), если они уже реализованы, они должны обернуть его в if (function_exists('mb_chr'))

Если вы управляете кодировкой UTF-8 ваших строк (в соответствии с латинскими и другими европейскими стандартами), вам нужно только

 html_entity_decode($string, ENT_COMPAT, 'UTF-8'); 

См. Пример №1 для пользователя php . Вы можете изменить второй параметр на ENT_NOQUOTES и т. Д., А также заплатить , использовать ENT_XHTML и т. Д., Если ваша строка является языком разметки (!).

 <?php function chr_utf8($n,$f='C*'){ return $n<(1<<7)?chr($n):($n<1<<11?pack($f,192|$n>>6,1<<7|191&$n): ($n<(1<<16)?pack($f,224|$n>>12,1<<7|63&$n>>6,1<<7|63&$n): ($n<(1<<20|1<<16)?pack($f,240|$n>>18,1<<7|63&$n>>12,1<<7|63&$n>>6,1<<7|63&$n):''))); } echo chr_utf8(hexdec('010F')); // Output the UTF-8 character corresponding to U+010F