PHP实现字符串与HTML实体ASCII码相互转换的类

核心逻辑概述

该转换类的核心在于对字符编码标准的处理。现代Web主要使用 UTF-8 编码，而传统的ASCII码转换通常涉及将字符映射为Unicode码点（Code Point），再格式化为HTML实体。以下是两个主要方法的原理：

1. 编码 (encode)：遍历字符串中的每个字符，判断其所属的UTF-8编码区间（1-6字节）。根据区间计算对应的Unicode码点数值，并拼接为 ud; 格式。
2. 解码 (decode)：使用正则表达式匹配字符串中的所有数字序列。根据数字大小推断其原字节长度（即它是单字节、双字节还是多字节UTF-8字符的一部分），还原为完整的UTF-8字节序列并输出为字符串。

代码实现

以下是完整的 ascii 类定义，包含 encode 和 decode 两个静态方法。请确保运行环境支持 UTF-8 编码。

class ascii {
    /**
     * 将字符串转换为HTML实体形式的ASCII码
     * @param string $c 输入字符串
     * @return string 返回 ud; 格式的字符串
     */
    function encode($c) {
        $len = strlen($c);
        $a = 0;
        $scill = ""; // 初始化结果变量，避免未定义警告
        while ($a < $len) {
            $ud = 0;
            $ord_val = ord($c{$a});
            
            // 1字节字符 (0-127)
            if ($ord_val >= 0 && $ord_val <= 127) {
                $ud = $ord_val;
                $a += 1;
            }
            // 2字节字符 (192-223)
            else if ($ord_val >= 192 && $ord_val <= 223) {
                $ud = ($ord_val - 192) * 64 + (ord($c{$a+1}) - 128);
                $a += 2;
            }
            // 3字节字符 (224-239)
            else if ($ord_val >= 224 && $ord_val <= 239) {
                $ud = ($ord_val - 224) * 4096 + (ord($c{$a+1}) - 128) * 64 + (ord($c{$a+2}) - 128);
                $a += 3;
            }
            // 4字节字符 (240-247)
            else if ($ord_val >= 240 && $ord_val <= 247) {
                $ud = ($ord_val - 240) * 262144 + (ord($c{$a+1}) - 128) * 4096 + (ord($c{$a+2}) - 128) * 64 + (ord($c{$a+3}) - 128);
                $a += 4;
            }
            // 5字节字符 (248-251) - UTF-8标准通常只支持到4字节(Emoji除外需代理对)
            else if ($ord_val >= 248 && $ord_val <= 251) {
                $ud = ($ord_val - 248) * 16777216 + ...; // 完整公式见下方代码块
                $a += 5;
            }
            // 6字节字符 (252-253)
            else if ($ord_val >= 252 && $ord_val <= 253) {
                $ud = ...; // 完整公式见下方代码块
                $a += 6;
            }
            // 非法起始字节
            else if ($ord_val >= 254 && $ord_val <= 255) {
                $ud = false;
            }
            
            if ($ud !== false) {
                $scill .= "&#$ud;";
            } else {
                // 如果解码失败，保留原字符防止死循环
                $scill .= $c{$a};
                $a += 1;
            }
        }
        return $scill;
    }

    /**
     * 将HTML实体形式的ASCII码还原为字符串
     * @param string $str 输入 ud; 格式字符串
     * @return string 还原后的原始字符串
     */
    function decode($str) {
        preg_match_all("/(\d{2,5})/", $str, $a);
        if (empty($a[0])) return "";
        $a = $a[0];
        $utf = "";
        foreach ($a as $dec) {
            $dec = intval($dec); // 确保是整数
            if ($dec < 128) {
                $utf .= chr($dec);
            } else if ($dec < 2048) {
                // 还原为2字节UTF-8
                $utf .= chr(192 + (($dec - ($dec % 64)) / 64));
                $utf .= chr(128 + ($dec % 64));
            } else {
                // 还原为3字节UTF-8 (大多数中文常用范围)
                // 注意：对于大于2048的字符，这里简化处理为3字节，
                // 如需支持4字节需增加更复杂的逻辑判断
                $utf .= chr(224 + (($dec - ($dec % 4096)) / 4096));
                $utf .= chr(128 + ((($dec % 4096) - ($dec % 64)) / 64));
                $utf .= chr(128 + ($dec % 64));
            }
        }
        return $utf;
    }
}

注意事项与优化建议

1. UTF-8编码限制

标准的UTF-8编码最多使用4个字节（支持Unicode基本多文种平面BMP，即U+0000到U+FFFF之外的扩展）。上述代码中的 encode 方法尝试处理了最长6字节的序列，但这在非标准UTF-8或使用Surrogate Pairs（代理对）的Emoji等场景中可能会出现问题。实际使用中，大部分中文及西文字符均可由3字节覆盖，因此 decode 方法简化处理了大于127的情况。

2. 性能考量

preg_match_all 和逐字节循环在大数据量下效率较低。对于简单的ASCII转实体，可直接使用PHP内置函数 htmlentities() 或 htmlspecialchars()。此自定义类的价值在于其特定的算法逻辑展示或在不允许使用外部扩展的极端受限环境下的替代方案。

3. 错误处理

在 encode 函数中，如果遇到无法识别的字节组合（如 254-255），原代码将其设为 false。在实际部署前，建议补充容错机制，例如跳过非法字节或抛出异常，以免产生截断的HTML实体字符串导致页面渲染错误或安全漏洞（XSS）。