我需要将大型 UTF-8 字符串转换为 ASCII。它应该是可逆的,理想情况下是一种快速/轻量级的算法。
我怎样才能做到这一点?我需要源代码(使用循环)或JavaScript代码。(不应依赖于任何平台/框架/库)
编辑:我知道 ASCII 表示看起来不正确并且会比它的 UTF-8 对应物更大(就字节而言),因为它是 UTF-8 原始的编码形式。
我需要将大型 UTF-8 字符串转换为 ASCII。它应该是可逆的,理想情况下是一种快速/轻量级的算法。
我怎样才能做到这一点?我需要源代码(使用循环)或JavaScript代码。(不应依赖于任何平台/框架/库)
编辑:我知道 ASCII 表示看起来不正确并且会比它的 UTF-8 对应物更大(就字节而言),因为它是 UTF-8 原始的编码形式。
您可以使用 Douglas Crockford 的 json2.js 引用函数的纯 ASCII 版本。看起来像这样:
var escapable = /[\\\"\x00-\x1f\x7f-\uffff]/g,
meta = { // table of character substitutions
'\b': '\\b',
'\t': '\\t',
'\n': '\\n',
'\f': '\\f',
'\r': '\\r',
'"' : '\\"',
'\\': '\\\\'
};
function quote(string) {
// If the string contains no control characters, no quote characters, and no
// backslash characters, then we can safely slap some quotes around it.
// Otherwise we must also replace the offending characters with safe escape
// sequences.
escapable.lastIndex = 0;
return escapable.test(string) ?
'"' + string.replace(escapable, function (a) {
var c = meta[a];
return typeof c === 'string' ? c :
'\\u' + ('0000' + a.charCodeAt(0).toString(16)).slice(-4);
}) + '"' :
'"' + string + '"';
}
这将生成一个有效的纯 ASCII、javascript 引用的输入字符串
例如quote("Doppelgänger!")
将是“Doppelg\u00e4nger!”
要恢复编码,您可以评估结果
var encoded = quote("Doppelgänger!");
var back = JSON.parse(encoded); // eval(encoded);
任何可逆转换为 ASCII 的 UTF-8 字符串已经是 ASCII。
UTF-8 可以表示任何 unicode 字符 - ASCII 不能。
正如其他人所说,您无法在不删除数据的情况下将 UTF-8 text/plain 转换为 ASCII text/plain。
您可以将 UTF-8 文本/纯文本转换为 ASCII 其他/格式。例如,HTML 允许使用字符引用在 ASCII 数据文件中表示 UTF-8 中的任何字符。
如果我们继续这个例子,在 JavaScript 中,charCodeAt可以帮助使用 HTML 字符引用将字符串转换为它的表示。
URLs采用另一种方法,并在 JS 中作为encodeURIComponent实现。
你的要求很奇怪。
将 UTF-8 转换为 ASCII 会丢失有关 Unicode 代码点 > 127 的所有信息(即所有不属于 ASCII 的信息)。
但是,您可以尝试以 ASCII 兼容的编码(例如UTF-7)对您的 Unicode 数据(无论何种源编码)进行编码。这意味着生成的数据可以合法地解释为 ASCII,但它实际上是 UTF-7。
如果字符串被编码为 UTF-8,那么它就不再是字符串了。它是二进制数据,如果要将二进制数据表示为 ASCII,则必须将其格式化为可以使用有限的 ASCII 字符集表示的字符串。
一种方法是使用 base-64 编码(C# 中的示例):
string original = "asdf";
// encode the string into UTF-8 data:
byte[] encodedUtf8 = Encoding.UTF8.GetBytes(original);
// format the data into base-64:
string base64 = Convert.ToBase64String(encodedUtf8);
如果要将字符串编码为 ASCII 数据:
// encode the base-64 string into ASCII data:
byte[] encodedAscii = Encoding.ASCII.GetBytes(base64);
您想去除所有非 ascii 字符(斜线将它们替换为“?”等)还是将 Unicode 代码点存储在非 Unicode 系统中?
首先可以在循环中检查大于 128 的值并替换它们。
如果您不想使用“任何平台/框架/库”,那么您将需要编写自己的编码器。否则我只会使用 JQuery 的 .html();
这是将 UTF8 重音转换为 ASCII 重音(àéèî 等)的函数是 ASCII 字符。
我在 javascript 软件中使用它来将数据发送到以 ASCII 码工作的微控制器。
convertUtf8ToAscii = function (str) {
var asciiStr = "";
var refTable = { // Reference table Unicode vs ASCII
199: 128, 252: 129, 233: 130, 226: 131, 228: 132, 224: 133, 231: 135, 234: 136, 235: 137, 232: 138,
239: 139, 238: 140, 236: 141, 196: 142, 201: 144, 244: 147, 246: 148, 242: 149, 251: 150, 249: 151
};
for(var i = 0; i < str.length; i++){
var ascii = refTable[str.charCodeAt(i)];
if (ascii != undefined)
asciiStr += "%" +ascii;
else
asciiStr += str[i];
}
return asciiStr;
}
function utf8ToAscii(str) {
/**
* ASCII contains 127 characters.
*
* In JavaScript, strings is encoded by UTF-16, it means that
* js cannot present strings which charCode greater than 2^16. Eg:
* `String.fromCharCode(0) === String.fromCharCode(2**16)`
*
* @see https://developer.mozilla.org/en-US/docs/Web/API/DOMString/Binary
*/
const reg = /[\x7f-\uffff]/g; // charCode: [127, 65535]
const replacer = (s) => {
const charCode = s.charCodeAt(0);
const unicode = charCode.toString(16).padStart(4, '0');
return `\\u${unicode}`;
};
return str.replace(reg, replacer);
}
参见Uint8Array to string in Javascript也。您可以使用TextEncoder
和Uint8Array
:
function utf8ToAscii(str) {
const enc = new TextEncoder('utf-8');
const u8s = enc.encode(str);
return Array.from(u8s).map(v => String.fromCharCode(v)).join('');
}
// For ascii to string
// new TextDecoder().decode(new Uint8Array(str.split('').map(v=>v.charCodeAt(0))))
该quote()
功能的实现可能会做你想做的事。我的版本可以在这里找到
您可以使用eval()
反转编码:
var foo = 'Hägar';
var quotedFoo = quote(foo);
var unquotedFoo = eval(quotedFoo);
alert(foo === unquotedFoo);