显然家庭mb_trim中没有，所以我正在尝试为自己实现一个。mb_*
我最近在php.net的评论中发现了这个正则表达式：
/(^\s+)|(\s+$)/u
因此，我将通过以下方式实现它：
function multibyte_trim($str)
{
if (!function_exists("mb_trim") || !extension_loaded("mbstring")) {
return preg_replace("/(^\s+)|(\s+$)/u", "", $str);
} else {
return mb_trim($str);
}
}
正则表达式对我来说似乎是正确的，但我对正则表达式非常陌生。这会有效地删除字符串开头/结尾的任何Unicode 空间吗？
标准trim函数修剪少量空格和类似空格的字符。这些被定义为 ASCII 字符，这意味着从到 的某些特定字节。00100 0000
正确的UTF-8 输入永远不会包含由 bytes 组成的多字节字符0xxx xxxx。正确的UTF-8 多字节字符中的所有字节都以1xxx xxxx.
这意味着在正确的UTF-8 序列中，字节0xxx xxxx只能引用单字节字符。因此，假设您有正确的UTF-8 序列，PHP 的trim函数将永远不会删除“半个字符” 。（要非常小心不正确的 UTF-8 序列。）
on ASCII 正则表达式将\s 主要匹配与trim.
preg带有/u修饰符的函数仅适用于UTF-8 编码的正则表达式，并且/\s/u也匹配 UTF8 的nbsp。这种具有不间断空格的行为是使用它的唯一优势。
如果您想用其他不兼容 ASCII 的编码替换空格字符，这两种方法都不起作用。
换句话说，如果您尝试将常用空格修剪为与 ASCII 兼容的字符串，只需使用trim. 使用时/\s/u请注意文本中 nbsp 的含义。
小心：
$s1 = html_entity_decode(" Hello   "); // the NBSP
$s2 = " exotic test ホ ";
echo "\nCORRECT trim: [". trim($s1) ."], [". trim($s2) ."]";
echo "\nSAME: [". trim($s1) ."] == [". preg_replace('/^\s+|\s+$/','',$s1) ."]";
echo "\nBUT: [". trim($s1) ."] != [". preg_replace('/^\s+|\s+$/u','',$s1) ."]";
echo "\n!INCORRECT trim: [". trim($s2,' ') ."]"; // DANGER! not UTF8 safe!
echo "\nSAFE ONLY WITH preg: [".
preg_replace('/^[\s]+|[\s]+$/u', '', $s2) ."]";
我不知道你想用你定义的那个无穷无尽的递归函数做什么，但如果你只想要一个多字节安全的修剪，这将起作用。
function mb_trim($str) {
return preg_replace("/^\s+|\s+$/u", "", $str);
}
此版本支持第二个可选参数 $charlist：
function mb_trim ($string, $charlist = null)
{
if (is_null($charlist)) {
return trim ($string);
}
$charlist = str_replace ('/', '\/', preg_quote ($charlist));
return preg_replace ("/(^[$charlist]+)|([$charlist]+$)/us", '', $string);
}
但不支持范围的“..”。
好的，所以我采用了@edson-medina 的解决方案并修复了一个错误并添加了一些单元测试。下面是我们用来给 mb 对应的 trim、rtrim 和 ltrim 的 3 个函数。
////////////////////////////////////////////////////////////////////////////////////
//Add some multibyte core functions not in PHP
////////////////////////////////////////////////////////////////////////////////////
function mb_trim($string, $charlist = null) {
if (is_null($charlist)) {
return trim($string);
} else {
$charlist = preg_quote($charlist, '/');
return preg_replace("/(^[$charlist]+)|([$charlist]+$)/us", '', $string);
}
}
function mb_rtrim($string, $charlist = null) {
if (is_null($charlist)) {
return rtrim($string);
} else {
$charlist = preg_quote($charlist, '/');
return preg_replace("/([$charlist]+$)/us", '', $string);
}
}
function mb_ltrim($string, $charlist = null) {
if (is_null($charlist)) {
return ltrim($string);
} else {
$charlist = preg_quote($charlist, '/');
return preg_replace("/(^[$charlist]+)/us", '', $string);
}
}
////////////////////////////////////////////////////////////////////////////////////
这是我为任何感兴趣的人编写的单元测试：
public function test_trim() {
$this->assertEquals(trim(' foo '), mb_trim(' foo '));
$this->assertEquals(trim(' foo ', ' o'), mb_trim(' foo ', ' o'));
$this->assertEquals('foo', mb_trim(' Åfooホ ', ' Åホ'));
}
public function test_rtrim() {
$this->assertEquals(rtrim(' foo '), mb_rtrim(' foo '));
$this->assertEquals(rtrim(' foo ', ' o'), mb_rtrim(' foo ', ' o'));
$this->assertEquals('foo', mb_rtrim('fooホ ', ' ホ'));
}
public function test_ltrim() {
$this->assertEquals(ltrim(' foo '), mb_ltrim(' foo '));
$this->assertEquals(ltrim(' foo ', ' o'), mb_ltrim(' foo ', ' o'));
$this->assertEquals('foo', mb_ltrim(' Åfoo', ' Å'));
}
您还可以修剪 UTF-8 字符串上的非 ascii 兼容空格（例如，不间断空格），即使使用修饰符preg_replace('/^\p{Z}+|\p{Z}+$/u','',$str);
\s，也只会匹配“ascii 兼容”空格字符。
但将匹配所有已知的 unicode 空格字符u\p{Z}
mb_ereg_replace 似乎解决了这个问题：
function mb_trim($str,$regex = "(^\s+)|(\s+$)/us") {
return mb_ereg_replace($regex, "", $str);
}
..但是我对正则表达式的了解还不够，不知道您将如何添加人们希望能够提供给 trim() 的“charlist”参数 - 即要修剪的字符列表 - 所以只有使正则表达式成为参数。
可能是您可以有一个特殊字符数组，然后为 charlist 中的每个字符单步执行它，并在构建正则表达式字符串时相应地转义它们。
（从与 NBSP 斗争的重复 Q 中移植trim。）以下注释自 PHP 7.2+ 起有效。里程可能会因早期版本而异（请在评论中报告）。
PHPtrim忽略不间断的空格。它只修剪基本 ASCII 范围内的空格。作为参考， trim的源代码如下所示（即，没有带有 trim 的未记录功能）：
(c == ' ' || c == '\n' || c == '\r' || c == '\t' || c == '\v' || c == '\0')
以上，除了普通的空格（ASCII 32, ）外，都是ASCII控制字符；LF (10: \n), CR (13: \r), HT (9: \t), VT (11: \v), NUL (0: \0)。（请注意，在 PHP 中，您必须将转义字符用双引号括起来："\n", "\t"等等。否则它们将被解析为文字\n等。）
以下是使用Unicode 字符串的trim( ltrim, rtrim, trim)三种风格的简单实现：preg_replace
preg_replace('~^\s+~u', '', $string) // == ltrim
preg_replace('~\s+$~u', '', $string) // == rtrim
preg_replace('~^\s+|\s+$~us', '', $string) // == trim
随意将它们包装到您自己的mb_*trim函数中。
根据PCRE 规范，开启 Unicode 模式的\s“任何空格”转义序列字符u将匹配以下所有空格字符：
The horizontal space characters are:
U+0009 Horizontal tab (HT)
U+0020 Space
U+00A0 Non-break space
U+1680 Ogham space mark
U+180E Mongolian vowel separator
U+2000 En quad
U+2001 Em quad
U+2002 En space
U+2003 Em space
U+2004 Three-per-em space
U+2005 Four-per-em space
U+2006 Six-per-em space
U+2007 Figure space
U+2008 Punctuation space
U+2009 Thin space
U+200A Hair space
U+202F Narrow no-break space
U+205F Medium mathematical space
U+3000 Ideographic space
The vertical space characters are:
U+000A Linefeed (LF)
U+000B Vertical tab (VT)
U+000C Form feed (FF)
U+000D Carriage return (CR)
U+0085 Next line (NEL)
U+2028 Line separator
U+2029 Paragraph separator
您可以看到使用Unicode 标志处理所有列出的空格的测试迭代。按照 PCRE 规范，它们都按预期进行了修剪。如果您只针对上面的水平空间，将匹配它们，就像所有垂直空间一样。preg_replaceu\h\v
在某些答案中使用\p{Z}seen 在某些方面会失败；具体来说，使用了大部分 ASCII 空格，令人震惊的是，还使用了蒙古元音分隔符。忽必烈会大怒。以下是未命中的列表\p{Z}： U+0009水平制表符 (HT)、 U+000A换行 (LF)、 U+000C换页 (FF)、 U+000D回车 (CR)、 U+0085下一行 (NEL) , 和 U+180E蒙古语元音分隔符。
至于为什么会发生这种情况，上面的 PCRE 规范还指出：“\s 任何匹配\p{Z}or \hor\v的字符”。也就是说，\s是 的超集\p{Z}。然后，只需使用\s. \p{Z}它更全面，对于阅读您的代码的人来说，导入更明显，他们可能不记得所有字符类型的矮个子。
您的问题的实际解决方案是，在更改外部输入字符串之前，您应该首先进行编码检查。许多人很快就学会了“清理和验证”输入数据，但学习识别他们早期使用的字符串的基本性质（字符编码）的步骤却很慢。
将使用多少字节来表示每个字符？使用正确格式化的 UTF-8，它可以是 1（字符trim处理）、2、3 或 4 个字节。当 UTF-8 的遗留或格式错误的表示开始发挥作用时，问题就出现了——字节字符边界可能不会按预期排列（外行说话）。
在 PHP 中，一些人主张所有字符串都应该强制符合正确的 UTF-8 编码（每个字符 1、2、3 或 4 个字节），其中类似的函数trim()仍然可以工作，因为它处理的字符的字节/字符边界with 将与trim()试图从字符串的开头和结尾消除的扩展 ASCII / 1 字节值一致（修剪手册页）。
然而，由于计算机编程是一个多元化的领域，不可能有一种适用于所有场景的全面方法。话虽如此，以正常运行所需的方式编写您的应用程序。只是用表单输入做一个基本的数据库驱动网站？是的，为了我的钱，一切都必须是 UTF-8。
注意：即使您的 UTF-8 问题稳定，您仍然会遇到国际化问题。为什么？许多非英语字符集存在于 2、3 或 4 字节空间（代码点等）中。显然，如果您使用的计算机必须处理中文、日文、俄文、阿拉伯文或希伯来文脚本，那么您也希望所有内容都可以使用 2、3 和 4 字节！请记住，PHPtrim函数可以修剪默认字符或用户指定的字符。这很重要，特别是如果您需要trim考虑一些汉字。
我更愿意处理某人无法访问我的网站的问题，然后是不应该发生的访问和响应问题。仔细想想，这符合最小特权（安全性）和通用设计（可访问性）的原则。
如果输入数据不符合正确的 UTF-8 编码，您可能需要抛出异常。您可以尝试使用PHP 多字节函数来确定您的编码，或其他一些多字节库。如果以及何时编写 PHP 以完全支持 unicode（Perl、Java ...），那么 PHP 会更好。PHP unicode 的努力在几年前就死了，因此你不得不使用额外的库来理智地处理 UTF-8 多字节字符串。只是添加/u标志preg_replace()并没有看到大局。
更新：
话虽如此，我相信以下多字节修剪对于那些试图从 url 的路径组件中提取 REST 资源的人（自然而然地减去查询字符串）很有用。注意：这在清理和验证路径字符串后会很有用。
function mb_path_trim($path)
{
return preg_replace("/^(?:\/)|(?:\/)$/u", "", $path);
}