この.charCodeAt関数は、文字の Unicode コードを返します。ただし、代わりにバイト配列を取得したいと思います。文字コードが 127 を超える場合、文字は 2 バイト以上に格納されることはわかっています。
var arr=[];
for(var i=0; i<str.length; i++) {
arr.push(str.charCodeAt(i))
}
ベストアンサー1
Unicode を UTF-8 でエンコードするロジックは基本的に次のとおりです。
- 1 文字あたり最大 4 バイトを使用できます。可能な限り少ないバイト数が使用されます。
- U+007F までの文字は 1 バイトでエンコードされます。
- マルチバイト シーケンスの場合、最初のバイトの先頭の 1 ビットの数によって、文字のバイト数が決まります。最初のバイトの残りのビットは、文字のビットをエンコードするために使用できます。
- 継続バイトは 10 から始まり、残りの 6 ビットは文字のビットをエンコードします。
以下は、JavaScript UTF-16 文字列を UTF-8 でエンコードするために私が以前に書いた関数です。
function toUTF8Array(str) {
var utf8 = [];
for (var i=0; i < str.length; i++) {
var charcode = str.charCodeAt(i);
if (charcode < 0x80) utf8.push(charcode);
else if (charcode < 0x800) {
utf8.push(0xc0 | (charcode >> 6),
0x80 | (charcode & 0x3f));
}
else if (charcode < 0xd800 || charcode >= 0xe000) {
utf8.push(0xe0 | (charcode >> 12),
0x80 | ((charcode>>6) & 0x3f),
0x80 | (charcode & 0x3f));
}
// surrogate pair
else {
i++;
// UTF-16 encodes 0x10000-0x10FFFF by
// subtracting 0x10000 and splitting the
// 20 bits of 0x0-0xFFFFF into two halves
charcode = 0x10000 + (((charcode & 0x3ff)<<10)
| (str.charCodeAt(i) & 0x3ff));
utf8.push(0xf0 | (charcode >>18),
0x80 | ((charcode>>12) & 0x3f),
0x80 | ((charcode>>6) & 0x3f),
0x80 | (charcode & 0x3f));
}
}
return utf8;
}