json_encode 使用 JSON_UNESCAPED_UNICODE

提出問題

PHP 原生的 json_encode 方法對中文進行編碼的時候，不加參數 JSON_UNESCAPED_UNICODE 獲得一串類 \uXXXX 的字符串，加參數則是咱們一般看到的中文，發生了什麼？

確認現象

//1.php
<?php
echo json_encode('好');

# php 1.php > 1.txt

# ls -l 1.txt
-rw-r--r-- 1 root root 8 Jun 12 15:21 1.txt

# cat 1.txt
"\u597d"

//2.php
<?php
echo json_encode('好', JSON_UNESCAPED_UNICODE);

php 2.php > 2.txt

# ls -l 2.txt
-rw-r--r-- 1 root root 5 Jun 12 15:23 2.txt

# cat 2.txt
"好"

先說結論

咱們一般使用的 json 格式都是 utf-8 編碼，但它承認 utf-16 編碼的轉義。即，

展現正常的 好 是utf-8編碼；

\u597d 單個字符(有6個)拎出來傳輸的時候也都是 utf-8 編碼，但在具體解析的時候，判斷出有轉義，將\、u、5、9、7、d這6個字符合在一塊兒，做爲utf-16編碼。

json_encode 加參數 JSON_UNESCAPED_UNICODE，不對字符進行 utf-16 轉義，直接使用 utf-8。因爲沒有使用轉義，整個字符串大小也由8字節變小爲5字節。緣由是轉義字符 \u597d 中每一個字符佔了1字節，一共是6字節，而 好 的utf-8編碼只有3字節，少用了3字節。

驗證

hexdump 能夠查看文本文件以二進制格式。如下的 -c 參數，若是對應單字節有符合的 ascii 碼，會直接以 ascii 碼格式展現，不然以相應的八進制數展現；-b 參數，徹底以8進制數展現每一個字節。

# hexdump -c 1.txt
0000000   "   \   u   5   9   7   d   "       
0000008

//八進制格式
# hexdump -b 1.txt
0000000 042 134 165 065 071 067 144 042       
0000008


# hexdump -c 2.txt
0000000   " 345 245 275   "         
0000005

//八進制格式
# hexdump -b 2.txt
0000000 042 345 245 275 042          
0000005

以上使用 od -w1 -b 2.txt 有同 hexdump 差很少的效果

從上面輸出不難看出，好 對應的字節八進制數應該就是 345、245、275。

轉換成二進制，分別是 11100101、10100101、10111101。

二進制還能夠轉換成16進制數，但此處有一個字節序大小端的顧慮，哪一頭開始的呢，是 275 仍是 345 對應的是開頭？

突破口是 好 對應的是3字節，3字節的 utf-8 編碼對應的開頭必定是1110（參見阮一峯的字符編碼筆記：ASCII，Unicode 和 UTF-8），正好是345的開頭，且字節內部也是大端。肯定大端後，再聯想到常說的網絡字節序是大端。看了 json標準，utf-16、utf-32 都有大小端的區分，惟獨 utf-8 沒有，那麼 utf-8 編碼的 json 應該就是大端的了。(也想不出若是是小端的話，多字節字符怎麼判斷的好)

將二進制轉換成16進制，分別是 E5、A5、BD，

找一個在線編碼轉換的驗證 驗證有沒有轉錯了，獲得結果：

字符	編碼10進制	編碼16進制	Unicode編碼10進制	Unicode編碼16進制
好	15050173	E5A5BD	22909	597D

E5A5BD 對上了。

另外一個在線的編碼轉換網站 獲得的轉換結果是 好，這實際上 utf-8 對應的 unicode碼點，不是想要的 utf-8 編碼，嚴重誤導人，網上好些在線編碼網站都是這樣。

一些定義說明

1. json 是一種傳輸協議，規定了一種文本組織結構，用於交互。json 經常使用 utf-8 編碼, 但不是必須。
2. unicode 是一個標準，爲每個字符惟一對應定義一個 unicode碼點。
3. utf-8、utf-16 等是針對 unicode碼點 的編碼方式。好比 utf-8 編碼對應的字節數在1-4字節，因爲短字節數量更少，因此優先分配給了越常使用的字符(unicode碼點)。

參考

• json 標準 http://www.json.org.cn/standa...
• 字符編碼筆記：ASCII，Unicode 和 UTF-8 http://www.ruanyifeng.com/blo...
• Unicode與JavaScript詳解 http://www.ruanyifeng.com/blo...
• JSON 序列化中的轉義和 Unicode 編碼 https://segmentfault.com/a/11...
• 鳥哥的讓Json更懂中文(JSON_UNESCAPED_UNICODE) https://www.laruence.com/2011...
• 在線轉換中文轉utf-8編碼16進制、Unicode編碼16進制 http://www.mytju.com/classcod...
• 在線轉換中文轉Unicode編碼16進制（這個網站誤導人，其實是轉成了Unicode編碼16進制，缺恰恰說成是utf-8） https://utf8.supfree.net/
• ascii 碼錶的對照 http://ascii.911cha.com/
• linux od工具，查看文件的二進制格式 https://wangchujiang.com/linu...
• Linux命令學習總結：hexdump https://www.cnblogs.com/kerry...