位（bit）、字節（byte）、字符、編碼之間的關系
一. 位（bit）
- 是數據存儲的最小單位
- 又稱比特位，英文是bit。表示的意義是一個位，也就是1或者0。
二.字節（byte）
-
又稱8位二進制，英文是byte。表示的意義是八個位，也就是01010101
-
1 KB = 1024 B(字節)； 1 MB = 1024 KB; (2^10 B)
1 GB = 1024 MB; (2^20 B)
1 TB = 1024 GB; (2^30 B)
三.字符
a、A、中、+、*、の......均表示一個字符；
一般 utf-8 編碼下，一個漢字字符占用3個字節；
一般 gbk 編碼下，一個漢字字符占用2個字節；
四.字符集
即各種各個字符的集合，也就是說哪些漢字，字母（A、b、c）和符號（空格、引號..）會被收入標准中；
五.編碼
規定每個“字符”分別用一個字節還是多個字節存儲，用哪些字節來存儲，這個規定就叫做“編碼”。（其實際是對字符集中字符進行編碼，即：每個字符用二進制在計算中表示存儲）；
通俗的說：編碼就是按照規則對字符進行翻譯成對應的二進制數，在計算器中運行存儲，用戶看的時候（比如瀏覽器），在用對應的編碼解析出來用戶能看懂的；
（1）標准ASCii字符集：有96個打印字符，和32個控制字符組成；一共96+32=128個；
用7位二進制數來對每1個字符進行編碼；
而由於7位還還不夠1個字節，而電腦的內部常用字節來用處理，每個字節中多出來的最高位用0替代；
0 000 0000.........................0
0 111 1111..........................127； 從0----127，來表示128個ACSii編碼；
比如：字符 'A'----------在計算器內部用0100 0001 （65）來表示；
字符'a'-----------在計算器內部用0 110 0001 （97）來表示；
注意：'10'在計算器內部是沒有編碼的，因為它是字符串，而不是單個字符。可以分別對1,0字符編碼存儲；
（2）擴展ASCii字符集：將標准的ASCii最高位1，得到十進制代碼128---255（1 000 0000----1 111 1111）；所以字符集一共有0---255, 256個字符；
（3）gb2312字符集: 所有漢字字符在計算機內部采用2個字節來表示，每個字節的最高位規定為1【正好與標准ASCii字符（最高位是0）不重疊，並兼容】，不支持繁體字；所以：gb2312表示漢字的編碼為：[129--255][129--255] (兩個字節，每個字節最高位是1)；小於127的字符，與ASCii編碼相同；
（4）gbk字符集：gb2312的擴充，兼容gb2312，除了收錄gb2312所有的字符外，還收錄了其他不常見的漢字、繁體字等；
gbk中字符是一個或兩個字節，單字節字符00--7F（0---127）這個區間和ASCII是一樣的；
雙字節字符的第一個字節是在81--FE（129--254）之間。通過這個可以判斷是單字節還是雙字節；即：在gbk字符編碼，如果第一個字節是>128的，則再往后找一個字節，組成漢字；如果第一個字節<128,則表示的是一個單字節（此時和ASCII是一樣的）；
<?php
// gbk編碼下，無亂碼截取中文字符；
// 方法1：自定義函數1;
function subgbk($str,$lens){ // 形參 $str 表示將要截取的原始字符串， $lens 表示 設定需要截取的 字符 個數；
if($lens<=0){
return '';
}
$chars = 0; // 計算，統計已經截取的字符個數；
$res = ''; // 已經截取的字符長度;
$offset = 0; // 偏移量,從字符串中那個字節開始截取;
$lengths = strlen($str); // 將要截取的原始字符串 字節 的數；
while($chars<$lens && $offset<$lengths){
$hight = ord(substr($str,$offset,1)); // 計算出 gbk字符中 高字節的所對應編碼的值;
if($hight>128){
// 截取兩個字節，代表一個字符；即：雙字節字符;
$count = 2;
}else{
//截取一個字節，代表一個字符，即：單字節字符；
$count = 1;
}
$res .= substr($str,$offset,$count);
$offset += $count;
$chars++;
}
return $res;
}
?>
<?php
// 方法2：自定義函數2；
// 思路：先把字符串中 所有的 字符 逐一取出來 組成數組，然后對 數組元素 進行截取;最后截取出的數組拼接成想要的字符串;
function strgbk2($str,$strat,$length=NULL){ // 第三個參數默認設置的值是NULL，這個參數是參考了下邊的array_slice()函數，如果省略的話，則表示，一直截取到最后末尾;
$zijielen = strlen($str); // 計算出 原始字符串 $str 的 字節長度;
$chars = 0; // 統計計算截取的 字符 數;
$zifuarr = array(); //將字符串按照 字符 的形式 分割到 數組中；(待存儲);
for($i = 0;$i<$zijielen;){ // $i 表示 原始字符串 $str 中的字節(標記);
if(ord(substr($str,$i,1)) > 128){
// 雙字節字符，兩個字節來表示一個字符；
$zifuarr[] = $str[$i].$str[$i+1];
// $zifuarr[] = substr($str,$i,2); 兩種寫法的意思是一樣的,都是 取得 某個字符 某些的 字節；
$i += 2;
}else{
// 單字節字符，一個字節表示一個字符；
$zifuarr[] = $str[$i];
// $zifuarr[] = substr($str,$i,1); 兩種寫法的意思是一樣的,都是 取得 某個字符 某個的 字節；
$i++;
}
$chars++; // 每次循環，相當於截取一個存儲 字符; 相當於所有的數組元素個數 count($zifuarr);
}
if($chars < $strat){ // 當偏移 過 字符 總長度時候；(開始截取的位置，已經超過了字符的總長度)；
return 'No characters have been found !';
}
return implode(array_slice($zifuarr,$strat,$length)); // array_slice（）是截取數組一部分;implode()是將截取出來的字符串，鏈接起來；
}
?>
<?php
// 方法3：用php內置的函數 mb_substr截取；
//此函數和 mb_strlen()函數一樣，都是針對 多字節 字符 的操作函數，在特定的編碼下，針對 字符 的 截取(mb_substr)和長度的計算(mb_strlen)；
$strgbk = 'ds我是fdg一個中國xghdt人';
echo mb_substr($strgbk,2,3,'gbk'); // 我是f
?>
（5）Unicode字符集：容納世界上所有語言字符和符號的集合；（以及對應的二進制數字）；Unicode只是一個編碼規范，目前實際實現的unicode編碼只要有三種：UTF-8,UCS-2和UTF-16，三種unicode字符集之間可以按照規范進行轉換
（6）utf-8編碼：UTF-8（8-bit Unicode Transformation Format）是一種針對Unicode的可變長度字符編碼，也是一種前綴碼。它可以用來表示Unicode標准中的任何字符，且其編碼中的第一個字節仍與ASCII兼容，這使得原來處理ASCII字符的軟件無須或只須做少部分修改，即可繼續使用。因此，它逐漸成為電子郵件、網頁及其他存儲或發送文字的應用中，優先采用的編碼。
對於UTF-8編碼中的任意字節B，如果B的第一位為0，則B獨立的表示一個字符(ASCII碼)；
如果B的第一位為1，第二位為0，則B為一個多字節字符中的一個字節(非ASCII字符)；
如果B的前兩位為1，第三位為0，則B為兩個字節表示的字符中的第一個字節；
如果B的前三位為1，第四位為0，則B為三個字節表示的字符中的第一個字節；
如果B的前四位為1，第五位為0，則B為四個字節表示的字符中的第一個字節；
因此，對UTF-8編碼中的任意字節，根據第一位，可判斷是否為ASCII字符；根據前二位，可判斷該字節是否為一個字符編碼的第一個字節；根據前四位（如果前兩位均為1），可確定該字節為字符編碼的第一個字節，並且可判斷對應的字符由幾個字節表示；根據前五位（如果前四位為1），可判斷編碼是否有錯誤或數據傳輸過程中是否有錯誤。
即：
1、單字節的字符，字節的第一位設為0，對於英語文本，UTF-8碼只占用一個字節，和ASCII碼完全相同；
2、n個字節的字符(n>1)，第一字節的前n位設為1，第n+1位設為0，后面字節的前兩位都設為10；
3、2個字節，第一個字節的前2位是1；3個字節，第一個字節的前三位是1； 4個字節，第一個字節的前4位都是1；
// 如何截取中文，無亂碼，假設utf-8編碼；
<?php
// 方法1：自定義函數；
function subutf8($str,$len){ // 兩個形式參數，$str代表原始目標字符串，$len表示需要截取 字符 的個數; 注意是 字符的 個數；
if($len<=0){ // 當 將要截取的字符數 <=0的時候 返回 空字符串；
return '';
}
$chars = 0 ; // $chars 參數 代表 已經截取的字符的個數， 默認初始設置為0；
$res = ''; // $res 參數 表示 已經截取的字符串的長度， 默認初始設置為空(字符串);
$offset = 0; // $offset 參數 表示 字節 截取的偏移量； 即從字符串中（偏移幾個字節）哪個字節開始截取；
$lengths = strlen($str); // $lengths 參數 表示 原始整個字符串的 字節的長度; 而應保證 $offset < $lengths; 否則都無字符可截取；
while($chars<$len && $offset < $lengths){ // $chars<$len; 應是< 而不是<= ；因為是從0開始的，並執行循環截取的；
$higher = decbin(ord(substr($str,$offset,1))); // 計算出 一個字符 中 第一個字節（高字節）的二進制；
if(strlen($higher) < 8){ // decbin（）函數 轉換出來的 二進制數 如果 <128（10000000） 的時候，即是二進制長度<8位的時候，前面高位不默認補0；
// 截取一個字節；(表示一個字符)；
$count = 1;
}else if(substr($higher,0,3) == '110'){
//截取兩個字節(表示一個字符)；
$count = 2;
}else if(substr($higher,0,4) == '1110'){
//截取三個字節(表示一個字符)；
$count = 3;
}else if(substr($higher,0,5) == '11110'){
//截取四個字節(表示一個字符)；
$count = 4;
}else if(substr($higher,0,6) == '111110'){
//截取五個字節(表示一個字符)；
$count = 5;
}else if(substr($higher,0,7) == '1111110'){
//截取六個字節(表示一個字符)；
$count = 6;
}
$res .= substr($str,$offset,$count);
$offset += $count;
$chars++;
}
return $res;
}
?>
<?php
//方法2:使用系統函數截取
mb_substr(),不會亂碼.例:
$str = '換s幾ss個字實現中文字串截取無亂碼的方法。';
echo mb_substr($str,0,5,'UTF-8');// '換s幾ss'
?>php
// 中文字符串實現反轉;
$a = '我是一個好人';
function strrevv($str) {
$strlen = mb_strlen($str,'UTF-8');
$arr = array();
for($a=0;$a<=$strlen;$a++) {
$arr[] = mb_substr($str,$a,1,'UTF-8');
}
$newstr = implode('',array_reverse($arr));
return $newstr;
}
echo strrevv($a);
// mb_strlen(str,utf-8); 字符串中字符的個數;
// mb_substr(str,start,length,utf-8); 多字節字符的截取;
// mb_strpos(str,needle,offset,utf-8);查找子字符串，在字符串中出現的位置;
// mb_substr_count(str,needle,utf-8);統計子字符串，在字
作者：羅文祥
來源：祥SHAO
原文：https://www.cnblogs.com/LWX-YEER/p/11203185.html
版權聲明：本文為博主原創文章，轉載請附上博文鏈接！