公众号回复表情 和 关于字符集和字符编码

如题所述

第1个回答  2022-07-18

这个问题的本质是,APP内用的UTF8编码方式,所以我们发送过去显示的内容也要是UTF8编码才能被APP显示出来。

每个emoji表情都有一个与之对应的Unicode编码(例如:\ue415,其中\u表示十六进制,e415是笑脸emoji表情在Unicode字符集中的编码),我们可以从百度轻易查到每个表情对应的Unicode编码,然后从Unicode编码转成UTF8编码,再返回给前端(微信),这时候就能显示emoji表情了。

php 没有提供Unicode直接转UTF8的方法,可以使用 json_decode 来间接转换。

mysql 的字段可以选择utf8编码方式,但是mysql中该编码方式只支持最大3个字节,而emoji表情在Unicode里面排名比较后,需要4个字节才能保存一个emoji表情,所以在建表的时候如果需要考虑保存表情,应该设置字段字符集为 utf8mb4 utf8mb4表示用utf8编码方式同时mysql最大分配4个字节的存储空间

先讲概念: 字符集是字符和二进制码的对应关系,字符编码是规定字符怎么存储到内存中。

比较常见的两种字符集是 ASCII Unicode

ASCII比较简单,内含128个字符,128=2 7 ,即使用 7 bit 的存储空间就能表示ASCII中的一个字符。但是考虑计算机一般使用 1 byte 作为基本单位,所以一般使用 1 byte 来表示ASCII中的一个字符。虽然浪费了 1 bit,但是读写效率更高了,利用 空间来换效率

例如:
'A'在ASCII中用065(十进制)或者0x41(十六进制)来表示,转换成二进制就是:1000001,二进制占用了 7bit。

Unicode包含上百万的字符,要表示上百万的字符使用的字节数肯定随之增加,所以Unicode的复杂度远远增大。虽然Unicode字符集中包含的字符很多,但是字符的对应关系还是从最小的0开始排列。排列在前面的字符使用 1byte 就可以表示,位置靠后的可能需要 3byte 才能表示。这就关系到怎么分配字节数来存储的问题。

假如一个字符串包含 1个位置靠前字符、1个位置靠后字符,即可能第一个字符用 1byte ,第二个字符用 3byte,这个字符串拼接在一起后一共使用 4byte。这看上去没有问题,但是系统在拿这个字符串的时候,怎么知道这 4byte 是怎么分配的(1+3=4,2+2=4,3+1=4)。这就涉及到下面说道的字符编码的问题,字符编码方式决定怎么去存储这些内容。

UTF-8、UTF-16、UTF-32指的就是字符编码,即表示用什么方式去表示(存储)字符集中的二进制。

UTF-8 的编码规则很简单:如果只有一个字节,那么最高的比特位为 0;如果有多个字节,那么第一个字节从最高位开始,连续有几个比特位的值为 1,就使用几个字节编码,剩下的字节均以 10 开头。

UTF-32 是固定长度的编码,始终占用 4 个字节,足以容纳所有的 Unicode 字符,所以直接存储 Unicode 编号即可,不需要任何编码转换。浪费了空间,提高了效率。

相似回答