中文字符 unicode轉utf-8函數 python實現

unicode編碼范圍

00000000-0000007F的字符，用單個字節來表示；

00000080-000007FF的字符用兩個字節表示 （中文的編碼范圍）

00000800-0000FFFF的字符用3字節表示

 

轉換規則 

0000~007F 1字節 0xxxxxxx
0080~07FF 2字節 110xxxxx 10xxxxxx
0800~FFFF 3字節 1110xxxx 10xxxxxx 10xxxxxx
4字節 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
5字節 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
6字節 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

 

python實現

輸入： 中文字符的unicode編碼，int型

輸出： utf-8編碼， str類型

如 '張'，unicode編碼為0x5f20，輸入為0x5f20，輸出為0xe5bca0

def unicode_to_utf8(src):

　 ref = 0xe08080
    result = ref
    a = src & 0x3f　　　　　　　　//取最后六位
    result = result | a　　　　　　 //將最后六位放在ref最后六位的空位置
    src = src >> 6
    a = src & 0x3f　　　　　　　　//取接下來的六位
    result = result | (a << 8)　　 //放在ref對應的六個位置
    src = src >> 6                      //保留最后四位
    result = result | (src << 16)　//放在ref對應的四個位置
    return "%x" % result