文档章节

PHP: chr和pack、unpack那些事

陈亦
 陈亦
发布于 2014/02/23 04:59
字数 4974
阅读 6773
收藏 201

PHP是一门很灵活的语言。正因为它太灵活了,甚至有些怪异,所以大家对它的评价褒贬不一。其实我想说的是,任何一门语言都有它自身的哲学,有它存在的出发点。PHP为Web而生,它以快速上手、快速开发而著称,所以它也常被冠以简单、新手用的语言等标签。我倒不这么认为,所谓选对的工具去做对的事,没有包打天下的语言。而至于说其简单,却也未必。

引子

我之前有篇文详细介绍过pack和unpack:PHP: 深入pack/unpack ,如果有不明白的地方,建议再回过头去看多几遍。现在应该能够写出以下代码:

<?php
echo pack("C", 97) . "\n";

$ php -f test.php
a

但是,为什么会输出'a'呢?虽然我们知道字符'a'的ASCII码就是97,但是pack方法返回的是二进制字符串,为什么不是输出一段二进制而是'a'?为了确认pack方法返回的是一段二进制字符串,这里我对官方的pack的描述截了个图:

确实如此,pack返回包含二进制字符串的数据,接下来详细进行分析。

程序是如何显示字符的

这里所说的'程序',其实是个宏观的概念。

对于在控制台中执行脚本(这里是指PHP作为cli脚本来执行),脚本的输出会写入标准输出(stdin)或标准错误(stderr),当然也有可能会重定向到某个文件描述符。拿标准输出来说,暂且忽略它是行缓冲、全缓冲或者是无缓冲。脚本进程执行完毕后如果有输出则会在控制台上输出字符串。那这里的控制台就是所说的'程序'。

对于Web来说(这里是指PHP作为Web的服务器端语言),程序执行完后会将结果响应给浏览器或其它UserAgent,为了方便描述,这里统一称为UserAgent。这里的UserAgent就是所说的'程序'。

当然还有其它情况,比如在GUI窗口中的输出,编辑器打开一个文件等等,这都涉及到如何显示字符串的问题。

在控制台中执行

控制台通过shell命令来执行脚本,它会fork一个子进程,之后通过exec替换子进程的地址空间,因为这个子进程不是会话首进程,所以它可以关联到控制终端。脚本输出执行完毕后退出,回到控制台。来看下面的例子:

<?php
$str = '回';
echo $str . "\n";

$ php -f test.php
回

test.php是UTF-8编码的文件,我的Linux系统的Locales是zh_CN.UTF-8。

$ locale
LANG=zh_CN.UTF-8
LANGUAGE=
LC_CTYPE="zh_CN.UTF-8"
LC_NUMERIC="zh_CN.UTF-8"
LC_TIME="zh_CN.UTF-8"
LC_COLLATE="zh_CN.UTF-8"
LC_MONETARY="zh_CN.UTF-8"
LC_MESSAGES="zh_CN.UTF-8"
LC_PAPER="zh_CN.UTF-8"
LC_NAME="zh_CN.UTF-8"
LC_ADDRESS="zh_CN.UTF-8"
LC_TELEPHONE="zh_CN.UTF-8"
LC_MEASUREMENT="zh_CN.UTF-8"
LC_IDENTIFICATION="zh_CN.UTF-8"
LC_ALL=

回到刚才的代码,test.php是UTF-8编码的文件,汉字'回'是三个字节表示的UTF8字符(如果不明白,可以看我的另一篇文章:JavaScript: 详解Base64编码和解码),所以test.php文件的内容保存在硬盘上的数据就是4个字节('\n'是ASCII字符,用1个字节表示)。test.php执行输出时,将这4个字节发送到标准输出,之后被冲洗(这里忽略掉被flush的时机),由控制台来显示。回想一下Linux系统上的locale设置,很显然是采用UTF8的机制来显示字符,所以前三个字节被当成一个UTF8字符,它被组合在一起转成Unicode码然后查表,再显示出来。

<?php
$str = '回';
echo $str . "\n";
echo $str{0} . $str{1} . $str{2} . "\n";

$ php -f test.php
回
回

可以看到,不管是整个字符输出,还是三个字节连在一起输出,结果是一样的。我们接下来看看不同平台上同一个字符的Unicode编码和UTF-8编码是否一样:

PHP测试:

<?php
$str = '回';
$bin = pack("C3", ord($str{0}), ord($str{1}), ord($str{2}));
$hex = strtoupper(bin2hex($bin));
echo "UTF-8编码: " . $hex . "\n";
/**
* 1110xxxx 10xxxxxx 10xxxxxx
*/
$byte1 = ord($str{0});
$byte2 = ord($str{1});
$byte3 = ord($str{2});
$c1    = (($byte1 & 0x0F) << 4) | (($byte2 & 0x3F) >> 2);
$c2    = (($byte2 & 0x03) << 6) | ($byte3 & 0x3F);
$dec   = (($c1 & 0x00FF) << 8) | $c2;
echo "Unicode编码: " . $dec . "\n";

$ php -f test.php
UTF-8编码: E59B9E
Unicode编码: 22238

JavaScript测试:

<script type="text/javascript">
/**
* UTF16和UTF8转换对照表
* U+00000000 – U+0000007F 	0xxxxxxx
* U+00000080 – U+000007FF 	110xxxxx 10xxxxxx
* U+00000800 – U+0000FFFF 	1110xxxx 10xxxxxx 10xxxxxx
* U+00010000 – U+001FFFFF 	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
* U+00200000 – U+03FFFFFF 	111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
* U+04000000 – U+7FFFFFFF 	1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
*/
var code = ('回').charCodeAt(0);
// 1110xxxx
var byte1 = 0xE0 | ((code >> 12) & 0x0F);
// 10xxxxxx
var byte2 = 0x80 | ((code >> 6) & 0x3F);
// 10xxxxxx
var byte3 = 0x80 | (code & 0x3F);

console.group('Test chr: ');
console.log("UTF-8编码:", byte1.toString(16).toUpperCase() + '' + byte2.toString(16).toUpperCase() + '' + byte3.toString(16).toUpperCase());
console.log("Unicode编码: ", code);
console.groupEnd();
</script>

我们看到输出是一样的。

作为Web的服务器端语言执行

这次无非是由刚才的控制台执行变成了UserAgent,其实道理还是一样的。服务器端PHP脚本输出会通过HTTP的响应返回给UserAgent,那么UserAgent就要对它进行显示。当然,这里还有点例外。数据是通过网络作为字节流发送回UserAgent,通常UserAgent有几种方式来判断字节流是属于什么编码(或许还涉及到压缩,但这里将不考虑这个因素)。

服务器端可以通过响应头部来告诉UserAgent应该用什么编码来处理这些数据,比如:

<?php
header("Content-Type: text/html; charset=utf8");

或者是HTML页面中的<meta />标签,比如:

<meta charset="utf-8" />

但是万一这两种方式都没有提供,那也只能靠猜了。事实也确实如此,据我所知,Firefox就是这么做的,并且将代码开源了:universalchardet 。但是这种方式并不能百分之百正确检测,所以偶尔会访问到乱码的页面。

编辑器打开一个文件

在windows上用notepad新建文本文件另存为时有几种编码选项:ANSI, Unicode, Unicode BigEndian, UTF-8。

在其它编辑器中选项更多,包括有BOM和无BOM的。BOM是文件头的前几个字节,通过BOM,处理它的程序就知道这个文件是采用什么编码,并且是什么字节序。然而在PHP中,从来都没有将BOM考虑进去,所以PHP解释器去执行一个PHP文件时,不会忽略前几个BOM字节,这就导致了问题。一般的问题在于发送cookie前,BOM被输出了。所以现在一般推荐无BOM的文件。

无BOM有时候也是会有问题的,因为这需要处理它的程序去检测它是什么编码。检测的方式一般是扫描文件,然后根据不同编码的规则来判断二进制。这里举一个出现问题的例子。在windows上新建一个文本文件并保存为ANSI编码,然后在文件中输入'联通',如图所示:

保存好后关闭test.txt文件,然后再双击打开,如图所示:

我们看到显示的是乱码,具体我们可以分析一下产生乱码的原因。用Editplus新建一个ANSI文件,输入'联通',然后切换到十六进制查看方式,如下图所示:

对应的十六进制是:C1 AA CD A8,转成二进制后如下:

11000001 10101010 11001101 10101000

接着我们来看下UTF-8的转换表:

U+00000000 – U+0000007F 	0xxxxxxx
U+00000080 – U+000007FF 	110xxxxx 10xxxxxx
U+00000800 – U+0000FFFF 	1110xxxx 10xxxxxx 10xxxxxx
U+00010000 – U+001FFFFF 	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
U+00200000 – U+03FFFFFF 	111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
U+04000000 – U+7FFFFFFF 	1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

很显然都被当作了二字节的UTF-8字符,拿GBK的编码去UTF-8的码表里查,您说能查到吗?

总结

现在我们已经知道了不管是什么编码的数据,总是一个字节一个字的存储,并且在存储时会进行相应的编码转换。比如汉字'回'的GBK编码和UTF-8编码的字节数和编码值都不一样,所以在将GBK的文件另存为UTF-8时必然会存在转换,反之也是一样的。而在读取时如果有BOM就按BOM规定的编码来处理,否则要进行编码检测后再处理。

再说pack

之前讲了这么多编码方面的问题,其实就是为了让大家更好的理解接下来要讲的。pack可以将ASCII进行打包然后输出(事实上就是将一个多字节变成多个单字节,之后可以通过unpack转换回来),这个我们已经知道了。但是方式有很多种,原理是一样的。我们来详细分析。对pack/unpack不太熟悉的还是建议去翻看我之前的一篇文章:PHP: 深入pack/unpack 。因为本人的机器是小端序的,所以本文只考虑小端序。大端序是一样的方式,只不过字节序不一样罢了,可以先判断本机的字节序再处理。

<?php
echo pack("C", 0x61) . "\n";
echo pack("S", 0x6161) . "\n";
echo pack("L", 0x61616161) . "\n";
echo pack("L", 0x9E9BE561) . "\n";
echo chr(0xE5) . chr(0x9B) . chr(0x9E) . "\n";
echo pack("H6", "E59B9E") . "\n";

$ php -f test.php
a
aa
aaaa
a回
回
回

我们一句句的来分析,首先是:

echo pack("C", 0x61) . "\n";
echo pack("S", 0x6161) . "\n";
echo pack("L", 0x61616161) . "\n";

这三句代码很简单,C是无符号字节,S是2个无符号字节,L是4个无符号字节,所以输出也没什么疑问。无论几个字节,都是ASCII码,0x61的二进制的高位为0,所以能正确显示。

echo pack("L", 0x9E9BE561) . "\n";

我们或许还记得汉字'回'的UTF-8编码为:0xE59B9E,L是按主机字节序打包的,而我的机器是小端序,所以0x9E9BE561打包后就变为:0x61E59B9E。0x61是字符'a'的ASCII码,而后面的三个字节程序通过判断0xE5就能知道这是一个三字节的UTF-8字符,因此这三个字节会转成Unicode码去查表,然后显示。

echo chr(0xE5) . chr(0x9B) . chr(0x9E) . "\n";

chr是返回ASCII码所代码的字符,它其实不仅仅是转换单字节的字符,对于多字节同样适用。它会根据刚才所说的规则将三个UTF-8字节转成Unicode码然后去查表。

echo pack("H6", "E59B9E") . "\n";

对于H格式字符,它和h的区别就是前者是高四位在前,后者是低四位在前,但它们都是以半字节为单位读取的,并且以十六进制的方式。您应该看到我在用H进行打包时传的是字符串"E59B9E",如果传的是0xE59B9E就不对了,这样的话先会转成十进制15047582,然后在前面加上0x变成十六进制0x15047582。

所谓按半字节读取其实是这样的,比如0x47,先转成十进制71,然后变成十六进制的0x71。按半字节读取必然会丢弃4位,然后要补0。读取了0x7,对H来说,它是高位,那么在低位补0变成0x70。对于h来说,它是低位,那么在高位补0变成0x07。

再说unpack

unpack是pack的逆函数,当然unpack有自己的语法,但这不是重点,因为这些只是表象。

unpack其实只是将多个字节压缩成一个字节。比如0x12和0x34这两个字节如果要组成一个双字节,则可以使用unpack的S格式化字符来实现,代码如下:

<?php
$data = unpack("S", pack("H*", "3412"));
print_r($data);
echo '0x' . dechex($data[1]) . "\n";

$ php -f test.php
Array
(
    [1] => 4660
)
0x1234

因为是小端序,所以要写成"3421"。其实还可以用位运算的方式来实现。这个时候就不需要考虑字节序了,因为字节序只是存储时才需要考虑的问题,对于输出来说,是按照我们自然的方式:

<?php
print "0x" . dechex((0x12 << 8) | 0x34) . "\n";

$ php -f test.php
0x1234

再说chr

PHP官方文档上所描述的chr方法的原型参数是一个int型,虽然形参名为ascii,但不要被骗了。如图所示:

chr确实是可以接收一个int类型的参数,而不仅仅是一个ASCII码。还记得之前所做的测试吗?通过chr方法将三个UTF-8的字节组合在一起。很显然UTF-8的每个字节都大于127,因为最高位都是1。

不过说起来chr方法还是比较傻的,比如有如下代码:

<?php
echo chr(0xE5) . chr(0x9B) . chr(0x9E) . "\n";
echo chr(0xE59B9E) . "\n";

$ php -f test.php
回
?

chr方法完全没有考虑将0xE59B9E拆成三个字节来组合,所以最终是乱码。

再说ord

ord接受一个string类型的参数,它用于返回参数的ASCII码。如下图所示:

虽然它只返回ASCII码,但它的参数却不限定。比如您可以传递单字节或多字节。举例如下:

<?php
echo ord("a") . "\n";
echo ord("回") . "\n";
echo 0xE5 . "\n";

$ php -f test.php
97
229
229

传入汉字'回',它会自动截取第一个字节,然后返回它的十进制表示。

实现自己的pack/unpack

理解了原理,其实自己去实现也就是那么回事。本文以格式化字符L为例,L是无符号32位整型,它是按主机字节序来打包的。所以我们要先判断机器的字节序。

<?php
function IsBigEndian()
{
	$bin = pack("L", 0x12345678);
	$hex = bin2hex($bin);
	if (ord(pack("H2", $hex)) === 0x78)
	{
		return FALSE;
	}

	return TRUE;
}

if (IsBigEndian())
{
	echo "大端序";
}
else
{
	echo "小端序";
}

echo "\n";

$ php -f test.php
小端序

代码非常简单,因为PHP不能直接操作内存,所以借助于pack来实现。L格式化字符表示主机字节序,如果机器是小端序,则0x12345678通过L打包后会变成4个字节并且字节序是:0x78, 0x56, 0x34, 0x12,如果是大端序则是:0x12, 0x34, 0x56, 0x78。然后通过H2格式化字符获取2个高4位(即一个高位字节),如果是0x78那就是小端序,否则就是大端序。

接下来是my_pack方法的实现,仅仅实现了L格式化字符,代码如下:

<?php
// 判断字节序
function IsBigEndian()
{
	$bin = pack("L", 0x12345678);
	$hex = bin2hex($bin);
	if (ord(pack("H2", $hex)) === 0x78)
	{
		return FALSE;
	}

	return TRUE;
}

// 自定义打包方法
function my_pack($num)
{
	$bin     = "";
	$padding = 0;

	if ($num >= 0x00 && $num <= 0xFF)
	{
		// 补3个字节
		$padding = str_repeat(chr(0), 3);

		if (IsBigEndian())
		{
			// 大端序
			$bin = $padding . chr($num);
		}
		else
		{
			// 小端序
			$bin = chr($num) . $padding;
		}
	}
	else if ($num > 0xFF && $num <= 0xFFFF)
	{
		// 补2个字节
		$padding = str_repeat(chr(0), 2);
		$byte3   = ($num >> 8) & 0xFF;
		$byte4   = $num & 0xFF;
		
		if (IsBigEndian())
		{
			// 大端序
			$bin = $padding . chr($byte3) . chr($byte4);
		}
		else
		{
			// 小端序
			$bin = chr($byte4) . chr($byte3) . $padding;
		}
	}
	else if ($num > 0xFFFF && $num <= 0x7FFFFF)
	{
		// 补1个字节
		$padding = chr(0);
		$byte2   = ($num >> 16) & 0xFF;
		$byte3   = ($num >> 8) & 0xFF;
		$byte4   = $num & 0xFF;

		if (IsBigEndian())
		{
			// 大端序
			$bin = $padding . chr($byte2) . chr($byte3) . chr($byte4);
		}
		else
		{
			// 小端序
			$bin = chr($byte4) . chr($byte3) . chr($byte2) . $padding;
		}
	}
	else
	{
		$byte1 = ($num >> 24) & 0xFF;
		$byte2 = ($num >> 16) & 0xFF;
		$byte3 = ($num >> 8) & 0xFF;
		$byte4 = $num & 0xFF;

		if (IsBigEndian())
		{
			// 大端序
			$bin = chr($byte1) . chr($byte2) . chr($byte3) . chr($byte4);
		}
		else
		{
			// 小端序
			$bin = chr($byte4) . chr($byte3) . chr($byte2) . chr($byte1);
		}
	}

	return $bin;
}

$bin = my_pack(0x12);
print_r(unpack("L", $bin));
$bin = pack("L", 0x12);
print_r(unpack("L", $bin));

$bin = my_pack(0x1234);
print_r(unpack("L", $bin));
$bin = pack("L", 0x1234);
print_r(unpack("L", $bin));

$bin = my_pack(0x123456);
print_r(unpack("L", $bin));
$bin = pack("L", 0x123456);
print_r(unpack("L", $bin));

$bin = my_pack(0x12345678);
print_r(unpack("L", $bin));
$bin = pack("L", 0x12345678);
print_r(unpack("L", $bin));

$ php -f test.php
Array
(
    [1] => 18
)
Array
(
    [1] => 18
)
Array
(
    [1] => 4660
)
Array
(
    [1] => 4660
)
Array
(
    [1] => 1193046
)
Array
(
    [1] => 1193046
)
Array
(
    [1] => 305419896
)
Array
(
    [1] => 305419896
)

测试中调用pack和my_pack的结果是一样的。unpack的实现就是pack的逆操作,只需把pack的结果的每一个字节取到它的ASCII码(可以通过ord方法来得到),然后将4个字节根据高低位次序(这还要根据大小端)通过位运算变成一个4字节的整数,其它格式化字符也是类似如此实现。接下来仅仅实现格式化字符L的unpack版本,代码如下:

<?php
// 判断字节序
function IsBigEndian()
{
	$bin = pack("L", 0x12345678);
	$hex = bin2hex($bin);
	if (ord(pack("H2", $hex)) === 0x78)
	{
		return FALSE;
	}

	return TRUE;
}

// 自定义打包方法
function my_pack($num)
{
	$bin     = "";
	$padding = 0;

	if ($num >= 0x00 && $num <= 0xFF)
	{
		// 补3个字节
		$padding = str_repeat(chr(0), 3);

		if (IsBigEndian())
		{
			// 大端序
			$bin = $padding . chr($num);
		}
		else
		{
			// 小端序
			$bin = chr($num) . $padding;
		}
	}
	else if ($num > 0xFF && $num <= 0xFFFF)
	{
		// 补2个字节
		$padding = str_repeat(chr(0), 2);
		$byte3   = ($num >> 8) & 0xFF;
		$byte4   = $num & 0xFF;
		
		if (IsBigEndian())
		{
			// 大端序
			$bin = $padding . chr($byte3) . chr($byte4);
		}
		else
		{
			// 小端序
			$bin = chr($byte4) . chr($byte3) . $padding;
		}
	}
	else if ($num > 0xFFFF && $num <= 0x7FFFFF)
	{
		// 补1个字节
		$padding = chr(0);
		$byte2   = ($num >> 16) & 0xFF;
		$byte3   = ($num >> 8) & 0xFF;
		$byte4   = $num & 0xFF;

		if (IsBigEndian())
		{
			// 大端序
			$bin = $padding . chr($byte2) . chr($byte3) . chr($byte4);
		}
		else
		{
			// 小端序
			$bin = chr($byte4) . chr($byte3) . chr($byte2) . $padding;
		}
	}
	else
	{
		$byte1 = ($num >> 24) & 0xFF;
		$byte2 = ($num >> 16) & 0xFF;
		$byte3 = ($num >> 8) & 0xFF;
		$byte4 = $num & 0xFF;

		if (IsBigEndian())
		{
			// 大端序
			$bin = chr($byte1) . chr($byte2) . chr($byte3) . chr($byte4);
		}
		else
		{
			// 小端序
			$bin = chr($byte4) . chr($byte3) . chr($byte2) . chr($byte1);
		}
	}

	return $bin;
}

// 自定义解包方法
function my_unpack($bin)
{
	$byte1 = ord($bin{0});
	$byte2 = ord($bin{1});
	$byte3 = ord($bin{2});
	$byte4 = ord($bin{3});

	if (IsBigEndian())
	{
		// 大端序
		$num = ($byte1  << 24) | ($byte2 << 16) | ($byte3 << 8) | $byte4;
	}
	else
	{
		// 小端序
		$num = ($byte4  << 24) | ($byte3 << 16) | ($byte2 << 8) | $byte1;
	}

	return array($num);
}

$bin = my_pack(0x12);
print_r(unpack("L", $bin));
print_r(my_unpack($bin));
$bin = pack("L", 0x12);
print_r(unpack("L", $bin));
print_r(my_unpack($bin));

$bin = my_pack(0x1234);
print_r(unpack("L", $bin));
print_r(my_unpack($bin));
$bin = pack("L", 0x1234);
print_r(unpack("L", $bin));
print_r(my_unpack($bin));

$bin = my_pack(0x123456);
print_r(unpack("L", $bin));
print_r(my_unpack($bin));
$bin = pack("L", 0x123456);
print_r(unpack("L", $bin));
print_r(my_unpack($bin));

$bin = my_pack(0x12345678);
print_r(unpack("L", $bin));
print_r(my_unpack($bin));
$bin = pack("L", 0x12345678);
print_r(unpack("L", $bin));
print_r(my_unpack($bin));

$ php -f test.php
Array
(
    [1] => 18
)
Array
(
    [0] => 18
)
Array
(
    [1] => 18
)
Array
(
    [0] => 18
)
Array
(
    [1] => 4660
)
Array
(
    [0] => 4660
)
Array
(
    [1] => 4660
)
Array
(
    [0] => 4660
)
Array
(
    [1] => 1193046
)
Array
(
    [0] => 1193046
)
Array
(
    [1] => 1193046
)
Array
(
    [0] => 1193046
)
Array
(
    [1] => 305419896
)
Array
(
    [0] => 305419896
)
Array
(
    [1] => 305419896
)
Array
(
    [0] => 305419896
)

知道了原理,实现起来就一点也不难,无非就是要注意字节序的问题。

关于ISO 8859-1编码

ISO 8859-1又称 Latin-1 或西欧语言。是国际标准化组织内ISO/IEC 8859的第一个8位字符集。它以ASCII为基础,在空置的0xA0-0xFF的范围内,加入96个字母及符号,藉以供使用附加符号的拉丁字母语言使用。

从定义可知,Latin-1编码是单字节编码,向下兼容 ASCII ,其编码范围是0x00~0xFF。0x00~0x7F之间完全和ASCII码一致,0x80~0x9F之间是控制字符,0xA0~0xFF之间是文字符号。

ISO-8859-1收录的字符除ASCII收录的字符外,还包括西欧语言、希腊语、泰语、阿拉伯语、希伯来语对应的文字符号。欧元符号出现的比较晚,没有被收录在ISO-8859-1当中。

因为ISO-8859-1编码范围使用了单字节内的所有空间,在支持ISO-8859-1的系统中传输和存储其他任何编码的字节流都不会被抛弃。换言之,把其他任何编码的字节流当作ISO-8859-1编码看待都没有问题。这是个很重要的特性,MySQL数据库默认编码是Latin-1就是利用了这个特性。ASCII编码是一个7位的容器,ISO-8859-1编码是一个8位的容器。

结束语

pack/unpack在实际工作中用得非常多,因为很多公司用PHP做前端,通过TCP调用接口,这就需要用到pack/unpack来打包和解包。希望本文能对大家有帮助。


© 著作权归作者所有

共有 人打赏支持
陈亦
粉丝 236
博文 23
码字总数 53194
作品 0
浦东
高级程序员
加载中

评论(31)

KeepMoving
KeepMoving
nice,收藏
y
ynwatong33
很深刻的文章,请问下博主,echo '回' 和 echo pack("C3",ord($str{0}),ord($str{1}),ord($str{2}));这两者有什么区别?
钱途无梁
钱途无梁
大赞:+1:
tuber
tuber
原来bom是这里来的,谢谢~
陈亦
陈亦

引用来自“童中波”的评论

引用来自“陈一回”的评论

引用来自“童中波”的评论

测试“不同平台上同一个字符的Unicode编码和UTF-8编码是否一样" 时:
$str='回';
$bin=pack("C3",ord($str{0}),ord($str{1}),ord($str{2}));
$hex=strtoupper(bin2hex($bin));

ord再pack显得多余了

你是指不需要ord?

//去掉第二行代码 直接

$str='回';
$hex=strtoupper(bin2hex($str));

嗯,是的。谢谢提醒~
童中波
童中波

引用来自“陈一回”的评论

引用来自“童中波”的评论

测试“不同平台上同一个字符的Unicode编码和UTF-8编码是否一样" 时:
$str='回';
$bin=pack("C3",ord($str{0}),ord($str{1}),ord($str{2}));
$hex=strtoupper(bin2hex($bin));

ord再pack显得多余了

你是指不需要ord?

//去掉第二行代码 直接

$str='回';
$hex=strtoupper(bin2hex($str));
陈亦
陈亦

引用来自“苏生不惑”的评论

长见识了,不过实际还真没用到?

问下 json_encode(array('name'=>'回'));输出的\u56de为什么不能直接显示“回”,而在js中可以正确显示?

\u56de是'回'的Unicode码。而且php的json_encode只能接受utf8的字符串,之所以返回unicode字符串,是因为可以节约传输字符数(unicode才2个字节,而utf8是变长的,一般中文要占3个字节)。PHP5.4+的json_encode可以有第二个参数JSON_UNESCAPED_UNICODE指明不转成unicode码。在js中可以直接显示是因为js的内码就是unicode。
苏生不惑
苏生不惑
长见识了,不过实际还真没用到?

问下 json_encode(array('name'=>'回'));输出的\u56de为什么不能直接显示“回”,而在js中可以正确显示?
陈亦
陈亦

引用来自“童中波”的评论

测试“不同平台上同一个字符的Unicode编码和UTF-8编码是否一样" 时:
$str='回';
$bin=pack("C3",ord($str{0}),ord($str{1}),ord($str{2}));
$hex=strtoupper(bin2hex($bin));

ord再pack显得多余了

你是指不需要ord?
童中波
童中波
测试“不同平台上同一个字符的Unicode编码和UTF-8编码是否一样" 时:
$str='回';
$bin=pack("C3",ord($str{0}),ord($str{1}),ord($str{2}));
$hex=strtoupper(bin2hex($bin));

ord再pack显得多余了

PHP: pack/unpack补遗

pack/unpack的介绍和使用加上这篇就第三篇了。确实知识点比较多,这篇算是收尾之作吧。仔细去文档上看pack/unpack的格式化字符说明,就会发现s, S, i, I, l, L, f, d都没有对应的大端序和小端...

陈亦
2014/02/23
0
11
PHP为什么要用pack/unpack

pack/unpack详细用法参见: https://my.oschina.net/goal/blog/195749?p=1#OSC_h3_12 这里只探讨一下为什么会有这两个函数,在什么情况下要用到它们。 首先,了解下php里的字符串string,一般...

吾爱
01/15
0
0
PHP根据IP地址获取所在城市具体实现

文件目录: ipLocation -----qqwry ----------QQWry.Dat -----ipCity.class.php ipCity.class.php文件代码: 代码如下:...

linghangp
2013/11/28
1K
2
python 版websocket实现

ubuntu下python2.76 windows python 2.79, chrome37 firefox35通过 代码是在别人(cddn有人提问)基础上改的, 主要改动了parsedata和sendmessage这2个函数. 改代码参考下面了这段文档. 主要是第...

awbeci
2015/09/23
0
0
php pack 和 unpack 函数

输出: PHP php 用unpack 函数后得到的就是那3个数作为键值的数组,那怎么把这个数组当作pack函数的三个参数传进去 我用了eval 函数,但是结果是false,厉害的帮忙解决下,不胜感激,像这种参...

李佳顺
2014/01/08
305
4

没有更多内容

加载失败,请刷新页面

加载更多

Shiro | 实现权限验证完整版

写在前面的话 提及权限,就会想到安全,是一个十分棘手的话题。这里只是作为学校Shiro的一个记录,而不是,权限就应该这样设计之类的。 Shiro框架 1、Shiro是基于Apache开源的强大灵活的开源...

冯文议
今天
1
0
linux 系统的运行级别

运行级别 运行级别 | 含义 0 关机 1 单用户模式,可以想象为windows 的安全模式,主要用于修复系统 2 不完全的命令模式,不含NFS服务 3 完全的命令行模式,就是标准的字符界面 4 系统保留 5 ...

Linux学习笔记
今天
2
0
学习设计模式——命令模式

任何模式的出现,都是为了解决一些特定的场景的耦合问题,以达到对修改封闭,对扩展开放的效果。命令模式也不例外: 命令模式是为了解决命令的请求者和命令的实现者之间的耦合关系。 解决了这...

江左煤郎
今天
3
0
字典树收集(非线程安全,后续做线程安全改进)

将500W个单词放进一个数据结构进行存储,然后进行快速比对,判断一个单词是不是这个500W单词之中的;来了一个单词前缀,给出500w个单词中有多少个单词是该前缀. 1、这个需求首先需要设计好数据结...

算法之名
昨天
15
0
GRASP设计模式

此文参考了这篇博客,建议读者阅读原文。 面向对象(Object-Oriented,OO)是当下软件开发的主流方法。在OO分析与设计中,我们首先从问题领域中抽象出领域模型,在领域模型中以适当的粒度归纳...

克虏伯
昨天
1
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部