1

在 Javascript 中，如何将 BMP unicode 字符转换为二进制（并返回）？

我似乎找不到任何内置的字符串方法binaryCharCodeAt()是否存在类似的东西？

如果没有，我对如何手动操作的猜测是创建一个包含例如[00001111], [00001110], [00001100]等的数组......

然后得到二进制，我可以做myArray[String.charCodeAt(j)]

然后从二进制到 unicode，我可以在数组中搜索二进制字符串，返回它在数组中的位置，并将其放入String.fromCharCode()

在这种情况下，这些二进制代码是任意分配的，并且不是每个字符的正确代码。但这没关系..（虽然最好是正确的）我只需要任何二进制文件。

我预见的问题是，搜索包含 65000 多个项目的数组，数百或数千次，最终可能会花费大量的处理时间。

那么，是否有任何预先存在的方法或库，或者您能否建议一种更好的手动执行此操作的方法？

4

2 回答 2

3

请注意，说“二进制并返回”并不完全正确，因为 unicode 字符不需要具有唯一的二进制表示（它取决于编码，例如 UTF-8）。但是，我相信大多数 UTF-... 编码在二进制编码方面彼此向后兼容。

但是既然你说你不在乎你使用的是什么编码，你可以完全按照 Kolink 所说的去做（他的回答被错误地否决了，但也不完整）：

编辑：正如 Esailija 指出的那样，OP 只对基本的多语言平面字符感兴趣，它们只有一个代码点。下面的代码有点矫枉过正，但仍然适用于 BMP 和非 BMP 代码点。

"some string".charCodeAt给你一些编码的代码点的十六进制。就我而言，它是 UTF-16：

"".charCodeAt(0)==55356
"".charCodeAt(1)==56513

在 UTF-16 中，这是0xF0 0x9F 0x83 0x81( f09f8381)，或 "\uD83C\uDCC1"：

"\uD83C\uDCC1"==""

你不能仅仅假设 charCodeAt 会给你你想要的数字而不需要做一些工作。Unicode 是一种可变宽度编码。因此，您可以执行以下操作以获得自洽的结果。

var UTF_BITS = 16;

function padLeftTo(string, padChar, numChars) {
    return (new Array(numChars-string.length+1)).join(padChar) + string;
}

function unicodeToBinary(char) {
    return char.split('').map(function(codepoint) {
        return padLeftTo(codepoint.charCodeAt(0).toString(2), 0, UTF_BITS);
    }).join('').split('').map(function(char){return parseInt(char)});
    //         ^^^^( ignore this part if you just want a string )^^^^
}

function binaryToUnicode(binaryList) {
    var codepointsAsNumbers = [];
    while( binaryList.length>0 ){
        var codepointBits = binaryList.slice(0,UTF_BITS);
        binaryList = binaryList.slice(UTF_BITS);
        codepointsAsNumbers.push( parseInt(codepointBits.join(''),2) );
    }
    return String.fromCharCode.apply(this,codepointsAsNumbers);
}

演示：

> unicodeToBinary("")
[1, 1, 0, 1, 1, 0, 0, 0, 0, 0, 1, 1, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1]

> binaryToUnicode(unicodeToBinary(""))
""

请注意，由于您没有说明您的用例是什么，因此二进制文件可能并不是您真正想要的。例如，如果您满足于唯一标识符，您可以使用字符串本身，或者十六进制字符串甚至整数表示。您更有可能想要一个更简单的表示。

完整的旁注：如果您打算将对象用作查找表，则可以只使用原始原始字符串“”作为键，例如table={}; table[""]='something'; table[""]. 但是，由于 unicode 3.2 标准中有 95156 个字符，我不建议在内存中做任何这样的事情。你还说了一些让我觉得你不熟悉查找表的性能的话：如果你不知道，它需要 O(1) 时间来做table[...]。

于 2012-04-25T18:22:56.673 回答
0

用于charCodeAt获取十进制数，然后调用toString(2)它以将其转换为二进制。

于 2012-04-25T16:05:51.913 回答