字符和字節(jié)在PHP中不相同，因?yàn)閁TF-8編碼使用每個(gè)字符1到4個(gè)字節(jié)，因此諸如strlen（）和substr（）和substr（）的函數(shù)可以誤算或斷開字符串； 1。始終使用mb_strlen（$ str，'utf-8'）進(jìn)行準(zhǔn)確的字符計(jì)數(shù)； 2。使用mb_substr（$ str，0，3，'utf-8'）安全提取子字符串而不損壞多重字符； 3。用mb_strpos（）和mb_strrpos（）替換strpos（）和strrpos（），以進(jìn)行適當(dāng)?shù)腢nicode支持； 4。啟用MBSTRING擴(kuò)展名並設(shè)置MB_Internal_encoding（'utf-8'），以確保對(duì)國際文本的一致處理，尤其是使用用戶輸入或非ASCII內(nèi)容，以防止亂七八糟的輸出並確保可靠的字符串操作。

在使用PHP中的字符串時(shí)，許多開發(fā)人員認(rèn)為“角色”和“字節(jié)”是同一件事。這種假設(shè)可能導(dǎo)致細(xì)微的錯(cuò)誤，尤其是在處理諸如表情符號(hào)，重音角色或中文，阿拉伯語或俄語之類的非ASCII文本時(shí)。了解字符和字節(jié)之間的差異對(duì)於PHP中的魯棒字符串操縱至關(guān)重要。

為什麼字符≠php中的字節(jié)

字節(jié)是一個(gè)擁有8位的數(shù)據(jù)單元。相比之下，角色是書面語言（例如“ a”，“?''或'中”）的單個(gè)符號(hào)。在ASCII中，每個(gè)字符都符合一個(gè)字節(jié)，因此兩個(gè)概念對(duì)齊。但是，借助現(xiàn)代的多鍵編碼，例如UTF-8，一個(gè)角色可以採用1到4個(gè)字節(jié)。

例如：

• 'A' →1個(gè)字符，1個(gè)字節(jié)（ASCII）
• '?' →1個(gè)字符，UTF-8中的2個(gè)字節(jié)
• '?' →1個(gè)字符，UTF-8中的4個(gè)字節(jié)

PHP的默認(rèn)字符串函數(shù)（例如strlen() ， substr() ）在字節(jié)上而不是字符上操作。這意味著它們可以將多重字符分成兩半，導(dǎo)致亂七八糟的輸出或不正確的長度。

基於字節(jié)的功能的問題

考慮此代碼：

 Echo strlen（'Café'）; //返回5，而不是4

即使'café'具有4個(gè)字符， strlen()返回5，因?yàn)?code>'é'在UTF-8中使用了2個(gè)字節(jié)。

現(xiàn)在想像使用substr() ：

 Echo substr（'Café'，0，3）; //可能返回'CAF'（安全）
Echo substr（'Café'，0，4）; //可以返回“ CAF”  - 斷開字節(jié)序列

如果您在多型字符的中間切片，則最終會(huì)以無效的UTF-8（通常顯示為（替換字符））。

改用多型功能

PHP提供了mbstring擴(kuò)展名，可在UTF-8和其他編碼中正確處理字符串。處理用戶生成或國際文本時(shí)，請(qǐng)務(wù)必使用mb_*功能。

常見替代品：

• strlen() → mb_strlen($str, 'UTF-8')
• substr() → mb_substr($str, 0, 3, 'UTF-8')
• strpos() → mb_strpos($str, 'needle', 0, 'UTF-8')
• strrpos() → mb_strrpos($str, 'needle', 'UTF-8')

例子：

 echo mb_strlen（'café'，'utf-8'）; // 4
echo mb_substr（'café'，0，3，'utf-8'）; //'CAF'

這些函數(shù)將字符串視為字符的序列，而不是字節(jié)，而尊重編碼邊界的UTF-8。

什麼時(shí)候要格外小心

在這些情況下，您應(yīng)該始終使用多型安全功能：

• 處理用戶輸入（名稱，消息，評(píng)論）
• 使用非英語內(nèi)容
• 處理可能包含Unicode的URL，JSON或API響應(yīng)
• 任何涉及動(dòng)態(tài)或外部數(shù)據(jù)的字符串切片，計(jì)數(shù)或搜索

另外，請(qǐng)確保在PHP安裝中啟用mbstring （ extension=mbstring php.ini ），並考慮設(shè)置內(nèi)部編碼：

 mb_internal_encoding（'utf-8'）;

這設(shè)置了所有mb_*函數(shù)的默認(rèn)編碼，從而減少了重複指定的默認(rèn)編碼。

基本上，關(guān)鍵要點(diǎn)是：不要相信Unicode的默認(rèn)字符串函數(shù)。一旦您走出ASCII，字符和字節(jié)就無法互換。始終如一地使用mbstring功能，並且您的PHP字符串處理將更加可靠，尤其是在全球化應(yīng)用程序中。

以上是字符與字節(jié)：PHP字符串操縱中的臨界區(qū)別的詳細(xì)內(nèi)容。更多資訊請(qǐng)關(guān)注PHP中文網(wǎng)其他相關(guān)文章！