俄语字符错误地转换为二进制 (JavaScript)

Question

我正在用 JavaScript 编写一个程序，需要将文本转换为 8 位二进制文​​件，我通过使用“exampleVariable.charCodeAt(i).toString(2)”的循环来完成，然后附加“0”到前面，直到每个字符的二进制表示的长度为 8 位。但是，当将俄语字符传递给函数时，每个字符都将转换为 11 位二进制表示，而实际上它应该是 16 位。例如，“ä”转换为 10000110100，而实际上应该转换为“1101000010110100”。有想法该怎么解决这个吗？

Answer 1

您似乎正在尝试获取字符的 UTF-8 表示的二进制表示。 JavaScript 在内部使用 UTF-16，因此您必须做一些工作来进行翻译。那里有各种各样的库，我们需要更多地了解环境来推荐合适的工具。如果你想自己编写代码，大致是这样的：

function codepointToUTF_8(code) {
    if (code < 0x07f) {
        return [code];
    } else if (code < 0x800) {
        var byte1 = 0xc0 | (code >> 6  );
        var byte2 = 0x80 | (code & 0x3f);
        return [ byte1, byte2 ];
    } else if (code < 0x10000) {
        var byte1 = 0xe0 | ( code >> 12        );
        var byte2 = 0x80 | ((code >> 6 ) & 0x3f);
        var byte3 = 0x80 | ( code        & 0x3f);
        return [ byte1, byte2, byte3 ];
    } else {
        var byte1 = 0xf0 | ( code >> 18        );
        var byte2 = 0x80 | ((code >> 12) & 0x3f);
        var byte3 = 0x80 | ((code >>  6) & 0x3f);
        var byte4 = 0x80 | ( code        & 0x3f);
        return [ byte1, byte2, byte3, byte4 ];
    }
}

function strToUTF_8 (str) {
    var result = [];
    for (var i = 0; i < str.length; i++) {
        // NOTE: this will not handle anything beyond the BMP    
        result.push(codepointToUTF_8(str.charCodeAt(i)));
    }
    console.log('result = ', result);
    return [].concat.apply([], result);
}


function  byteToBinary (b) {
    var str = b.toString(2);
    while (str.length < 8) {
        str = '0' + str;
    }
    return str;
}

function toBinaryUTF_8 (str) {
    return strToUTF_8(str).map(byteToBinary).join(' ');
}

console.log("абвгд => '" + toBinaryUTF_8("абвгд") + "'");

当我执行这个时，我得到：

абвгд => '11010000 10110000 11010000 10110001 11010000 10110010 11010000 10110011 11010000 10110100'

我还没有彻底测试过，但它应该可以处理俄语字符。它会生成一个字符代码数组，如果您像以前尝试的那样使用每个字符 8 个二进制位进行翻译，应该没问题。