问题标签 [multibyte]

我试图弄清楚这些 php.ini 设置究竟做了什么。当它们设置为不同的值时会发生什么？什么时候需要？它们什么时候有害？

• mbstring.language
• mbstring.http_input
• mbstring.http_output
• mbstring.encoding_translation

像往常一样，PHP 手册的帮助不大。

编辑：澄清一下，我了解字符编码是如何工作的，并且我了解 PHP 的多字节函数与它们的单字节函数有何不同。我正在寻找有关上述设置的详细信息。

编辑 2：好的，看起来他们确实提供了更多的文档，而不仅仅是运行时配置页面，它只有一行摘要。其中前三个具有类似名称的功能，并且在描述功能版本的页面上有更多详细信息。我在上面添加了链接。

编辑 3：添加赏金。我正在寻找有关这些设置的确切作用的具体细节，尤其是最后三个。他们从什么转换成什么，什么时候转换？

我已经配置了 PHP mbstring.func_overload = 7，所以所有的单字节字符串函数都映射到它们的多字节等效项。但有时我仍然需要将字符串视为字节数组；例如，在计算它们的大小或进行加密时。

这里最好的方法是什么？我可以只使用多字节函数并向它们传递单字节编码，即使这实际上不是字符串的编码方式吗？例如：

编辑：在查看 PHP 的源代码时，我注意到他们将原始函数重命名为 mb_orig_X，就像在 mb_orig_strlen 中一样。可能不安全使用，因为它们没有记录，但很有趣。

我正在使用 WebBrowser 控件处理 html 文档，我需要制作一个实用程序来搜索单词并在浏览器中突出显示它。如果字符串是英文的，它工作得很好，但对于其他语言的字符串，例如韩文，它似乎不起作用。

下面提到的代码工作的场景是 -

考虑用户在网页中选择了一个词“示例”，现在我需要突出显示这个词及其所有出现。我还需要计算它们的 byteOffset （代码片段只这样做）。

现在对于英语，下面的代码可以正常工作，但对于像韩语这样的语言，它根本不起作用。

它没有进入 for-each 循环

这里 _documentContent 包含网页源作为字符串。没有发生。文档中所选单词的出现次数

这是代码， strTemp 包含韩文字符串：

当我打开一个多字节文件时，我得到这个：

我将数据从 MySQL 4（它们最初设置为latin2编码）移动到 MySQL 5，并将编码设置为 UTF-8。在phpMyAdmin中看起来不错，UTF-8 也可以。但是，网站上有问号而不是一些字符！网站编码也设置为UTF-8，所以我不明白问题出在哪里。

PHP 和 HTML 文件也设置为 UTF-8。

我怎样才能解决这个问题？

PHP 中没有可用的多字节“preg”函数，这是否意味着默认的 preg_functions 都是 mb 安全的？在 php 文档中找不到任何提及。

我正在使用 UTF-8 字符串。我需要使用基于字节的索引而不是基于字符的索引来获取切片。

我在网上找到了对 的引用String#subseq，它应该类似于String#[]，但用于字节。唉，它似乎没有达到 1.9.1。

现在，我为什么要这样做？如果我在一个多字节字符的中间切片，我最终可能会得到一个无效的字符串。这听起来是个可怕的主意。

好吧，我正在使用StringScanner，事实证明它的内部指针是基于字节的。我在这里接受其他选择。

这是我现在正在使用的内容，但它相当冗长：

两者ix和pos来自StringScanner，因此都是基于字节的。

所以 matz 决定保留upcase并downcase限制/[A-Z]/i在 ruby​​ 1.9.1 中。

ActiveSupport::Multibyte长期以来，在 ruby​​ 1.8.x 中通过String#mb_chars.

但是，当在 ruby​​ 1.9.1 下尝试时，它似乎不起作用。这是我编写的一个简单的测试脚本，以及我得到的输出：

那么，如何使用 ruby​​ 1.9.1实现国际upcase化？downcase

更新

我应该补充一点，我还在 GitHub 的 current 和masterrails分支中使用 ActiveSupport 进行了测试。结果相同。2-3-*3-0-unstable

我在互联网上搜索了大约 2 个小时，但没有找到任何工作解决方案。

我的程序有多字节字符集，在我得到的代码中：

在编译时，我得到了错误：

“strlen”：无法将参数 1 从“WCHAR [1]”转换为“const char *”

如何将此 WCHAR[1] 转换为 const char * ？

我正在使用mb_substr函数对带有变音符号的 unicode 字符串进行切片，但它可以像使用简单substr函数一样工作。它将 unicode 字符分成两半，显示问题标记的菱形。

例如

可能有什么问题？