Unicode转义(uXXXX)的编码和解码

在涉及Web前端开发时, 有时会遇到uXXXX格式表示的字符,  其中XXXX是16进制数字的字符串表示形式,  在js中这个叫Unicode转义字符, 和   同属于转义字符.  在其他语言中也有类似的, 可能还有其它变形的格式.

多数时候遇到需要解码的情况多点, 所以会先介绍解码decode, 后介绍编码encode.

下文会提供Javascript C# Java三种语言下不同方法的实现和简单说明, 会涉及到正则和位运算的典型用法.

Javascript的实现

解码的实现

1 2 3

function decode(s) {     return unescape(s.replace(/\(u[0-9a-fA-F]{4})/gm, '%$1')); }

unescape是用来处理%uXXXX这样格式的字符串,  将uXXXX替换成%uXXXX后unescape就可以处理了.

编码的实现

1 2 3 4 5

function encode1(s) {     return escape(s).replace(/%(u[0-9A-F]{4})|(%[0-9A-F]{2})/gm, function($0, $1, $2) {         return $1 && '\' + $1.toLowerCase() || unescape($2);     }); }

和解码中相对应, 使用escape编码,  然后将%uXXXX替换为uXXXX,  因为escape还可能把一些字符编码成%XX的格式,  所以这些字符还需要使用unescape还原回来.

escape编码结果%uXXXX中的XXXX是大写的,  所以后面的replace只处理大写的A-F.

另一种编码的实现

不使用正则和escape

1 2 3 4 5 6 7 8 9 10 11 12 13 14

function encode2(s) {     var i, c, ret = [],         pad = '000';     for (i = 0; i < s.length; i++) {         c = s.charCodeAt(i);         if (c > 256) {             c = c.toString(16);             ret[i] = '\u' + pad.substr(0, 4 - c.length) + c;         } else {             ret[i]