4

假设我有一个很长的 UTF-8 编码字符串。

并说我想检测$var这个字符串中是否存在。

假设$var总是简单的字母或ascii字符的数字（例如"hello123"）我不应该使用mb_strpos或iconv_strpos对吗？因为只要它与其他功能一致，位置是否在字符方面不正确并不重要。

例子：

$var='hello123';
$pos=strpos($utf8string,$var);
if ($pos!==false) $uptohere=substr($ut8string,0,$pos);

我是否正确，'hello123'无论字符串是否包含花哨的 UTF-8 字符，上述代码都会提取所有内容？我的逻辑是，因为两者都strpos将substr相互一致（即使这一直是错误的），所以它应该仍然有效。

4

2 回答 2

10

是的，你是对的。字符本身没有歧义，即hello123在 UTF-8 中不可能有其他任何东西。您切片它的方式，无论您是按字符还是按字节数切片都没有关系。

所以是的，这是安全的，只要您的字符串是 UTF-8 并因此与 ASCII 兼容。

请参阅此处进行快速测试：http: //3v4l.org/XnM8s

为什么这样有效：

UTF-8 中的字符串“汉字hello123”看起来像这样的字节（我希望它正确对齐）：

e6 | bc | a2 | e5 | ad | 97 | 68 | 65 | 6c | 6c | 6f | 31 | 32 | 33
     漢      |      字      | h  | e  | l  | l  | o  | 1  | 2  | 3

strpos将查找字节序列68656c6c6f313233，6作为“hello123”的起始字节返回。substr将从 byte 中切出 6 个字节0，返回“汉字”。没有歧义。您正在按字节查找和切片，不管有多少字符。

您需要完全在characters中工作，在这种情况下，字符串函数必须是编码感知的。或者您完全在bytes中工作，在这种情况下，唯一的要求是字节不模棱两可（比如“hello123”可以匹配以 BIG5 编码的“中国”，因为字节是相同的（它们不一样，只是一个例子） ）。UTF-8 是自同步的，这意味着没有这种歧义。

于 2013-02-24T10:24:30.027 回答
3

在 UTF-8 中，您必须使用 mb_* 函数，在您的情况下，您需要将 substr 替换为

mb_substr($var, 0, N, 'UTF-8');

mb_substr()

于 2013-02-24T10:21:20.237 回答