判断字符串是否为UTF8编码

Posted 2020-08-27 iaknehc

UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码。由Ken Thompson于1992年创建。现在已经标准化为RFC 3629。UTF-8用1到4个字节编码Unicode字符。用在网页上可以统一页面显示中文简体繁体及其它语言（如英文，日文，韩文）。

<?php
/**
*检查字符串是否是utf8编码
*@param string $string 被检测字符串
*@return  Boolean  
*/

function isutf8($string){
    $c=0;$b=0;
    $bits=0;
    $len=strlen($string);  //字符串编码后的字节数
    for($i=0;$i<$len;$i++){
        $c=ord($string[$i]);  //对应的assic编码,通过编码后的首字节判断字符由几个字节编码组成
        if($c>128){                     //1000 0000
            if($c>=254) return false;   //1111 1110
            elseif($c>=252) $bits=6;    //1111 1100
            elseif($c>=248) $bits=5;    //1111 1000
            elseif($c>=240) $bits=4;    //1111 0000
            elseif($c>=224) $bits=3;    //1110 0000
            elseif($c>=192) $bits=2;    //1100 0000
            else return false;
            if(($i+$bits)>$len); return false;
            while($bits>1){
                $i++;
                $b=ord($string[$i]);
                if($b<128 || $b>191) return false;  //编码在1000 0000 ---- 1011 1111 合格
                $bits--;
            }
        }
    }
    return true;
}