PHP实现UTF-8转Unicode编码函数的方法

一只小鹿

发布时间：2026-10-14| 5人浏览过

原创

在处理Web数据交互时，经常需要将UTF-8编码的中文或其他多字节字符转换为Unicode编码（如\u4e2d）。这对于确保跨平台兼容性、特别是在某些前端框架或API中至关重要。下面提供一个经过测试的PHP函数实现，它能够准确地将UTF-8字符串转换为Unicode编码。

功能目标与准备

我们的目标是编写一个PHP函数 utf8_unicode($str)，输入一个UTF-8编码的字符串，输出其对应的Unicode转义序列字符串。例如，输入“中”，输出“\u4e2d”。对于ASCII字符（字母、数字、常见符号），函数将保持原样或进行适当的URL编码处理。

第1步：了解UTF-8编码特性

UTF-8是一种变长编码，1到4个字节表示一个字符。单字节字符（0x00-0x7F）直接对应ASCII；双字节以0xC2-0xDF开头；三字节以0xE0开头；四字节以0xF0开头。本函数主要处理前三种情况，这是日常开发中最常见的。

第2步：核心转换逻辑

函数通过遍历字符串的每个字节来判断字符类型：
1. 如果是小于 'A' (0x41) 的单字节且非ASCII标准范围（如控制字符），则转为 %hex 格式。
2. 如果是数字 (0-9)，直接保留。
3. 如果是标准ASCII字母/符号 (0x41-0x7F)，直接保留。
4. 如果是多字节字符的前缀，根据首字节判断后续需要的字节数（2个或3个）。
5. 收集完所有组成字节后，计算其数值并转换为十六进制，加上 \u 前缀。

复制代码代码如下:

public function utf8_unicode($str) {
    $unicode = array();
    $values = array();
    $lookingFor = 1;
    for ($i = 0; $i < strlen( $str ); $i++ ) {
        $thisValue = ord( $str[ $i ] );
        if ( $thisValue < ord('A') ) {
            // exclude 0-9
            if ($thisValue >= ord('0') && $thisValue <= ord('9')) {
                // number
                $unicode[] = chr($thisValue);
            }
            else {
                $unicode[] = '%'.dechex($thisValue);
            }
        } else {
            if ( $thisValue < 128) {
                $unicode[] = $str[ $i ];
            } else {
                if ( count( $values ) == 0 ) {
                    $lookingFor = ( $thisValue < 224 ) ? 2 : 3;
                }
                $values[] = $thisValue;
                if ( count( $values ) == $lookingFor ) {
                    $number = ( $lookingFor == 3 ) ?
                        ( ( $values[0] % 16 ) * 4096 ) + ( ( $values[1] % 64 ) * 64 ) + ( $values[2] % 64 ):
                        ( ( $values[0] % 32 ) * 64 ) + ( $values[1] % 64 );
                    $number = dechex($number);
                    $unicode[] = (strlen($number)==3)?"\u0".$number:"\u".$number;
                    $values = array();
                    $lookingFor = 1;
                } // if
            } // if
        }
    } // for
    return implode("",$unicode);
}

使用注意事项

类封装: 上述代码为类成员函数形式 (public function)。如果你需要在普通脚本中使用，请去掉 public 关键字，并确保变量作用域正确。
字符集支持: 此函数主要针对基本多文种平面（BMP）内的字符（最多3字节UTF-8）。如果遇到Emoji等需要4字节UTF-8的字符，此函数可能无法完全覆盖，需额外扩展逻辑。
性能考量: 对于极长的字符串，由于涉及频繁的数组操作和字符串连接，性能可能略低于内置的 json_encode (配合 JSON_UNESCAPED_UNICODE 标志)。但在特定格式化需求下，此自定义函数提供了更细粒度的控制。