php - 带有某些行尾的 grapheme_strlen 函数的奇怪行为

Question

谁能解释strlenPHP 的 intl 扩展中 Unicode 函数的这种奇怪行为？

var_dump(grapheme_strlen("a\r\n")); // (ASCII 'a') length: 3
var_dump(grapheme_strlen("の\r\n")); // length: 2
var_dump(grapheme_strlen("\r\n")); // length: 2

似乎grapheme_strlen将“\r\n”（CR LF，它们是用于 Windows 上的行分隔的两个单独的代码点）计算为单个字素，考虑到函数的名称，这可能是相当合理的，但它只有在行结尾前面有一个非 ASCII 字符。为什么？

Answer 1

这是一个错误。grapheme_strlen应该在Unicode Standard Annex #29 (Unicode Text Segmentation)中定义的 Grapheme Cluster Boundaries 上工作。标准明确规定不要在 CR 和 LF 之间中断。

如果您查看 PHP 源代码，grapheme_strlen只需返回ASCII 字符串的字符数。