7

我正在 PHP 5.2.10 上编写一个简单的网站解析器。
当使用默认的内部编码（即 ISO-8859-1）时，我总是在同一个函数调用中得到一个错误：

$start = mb_strpos($index, '<a name=gr1>');

致命错误：允许的内存大小为 50331648 字节已用尽（尝试分配 11924760 字节）

在这种情况下，字符串 $index 的长度是 2981190 字节——正好是 PHP 尝试分配的 4 倍。

现在，如果我使用

mb_internal_encoding('UTF-8')

错误消失。这是否意味着 PHP 为单字节字符串使用更多内存而不是多字节字符串？这怎么可能？有任何想法吗？

UPD：内存使用似乎不依赖于编码：平均 memory_get_usage() 使用 UTF-8 和 ISO-8859-1 几乎相同。我认为问题可能出在 mb_strpos 中。事实上，字符串 $index 具有 Windows-1251 编码（西里尔文），因此它包含对 UTF-8 无效的符号。这可能会导致 mb_strpos 以某种方式尝试转换或仅将额外的内存用于某些需要。将尝试在 mb_strpos 的来源中找到答案。

4

1 回答 1

3

抱歉，如果您已经考虑过这些潜在问题。

多字节字符串函数将检查 UTF-8 编码是否有错误，如果有无效字符，则返回空字符串或 false（如 mb_strpos() 的情况： http://www.serverphorums.com/read.php? 7,552099

您是否正在使用===运算符检查您获得的结果以确保您没有收到false而不是0？

该mb_strpos()函数使用mbfl_strpos()，它在必须执行转换时复制字符串（针，干草堆）（导致内存增加，正如您所观察到的）： https ://github.com/php/php-src/blob/master /ext/mbstring/libmbfl/mbfl/mbfilter.c#L811

所以，我想知道是否使用默认的内部编码（ISO-8859-1）让一切都通过，并且内存限制被击中，而 utf-8 编码由于非法字符而短路并返回 false（如果您正在使用 进行测试==，这会使函数看起来只是没有找到匹配项。）

值得一试 ：）

于 2012-08-29T05:41:45.117 回答