數(shù)字語(yǔ)言，無論是英語(yǔ)、日語(yǔ)還是其他任何語(yǔ)言，都由許多字符組成。因此，在數(shù)字處理語(yǔ)言時(shí)，一個(gè)基本問題是如何以數(shù)字方式表示每個(gè)字符。過去，我們只需要表示英語(yǔ)字符，但如今情況大不相同，結(jié)果是出現(xiàn)了令人眼花繚亂的字符編碼方案來表示多種不同語(yǔ)言的字符。PHP 如何與這些不同的方案相關(guān)聯(lián)并處理它們？

要點(diǎn)

• 多字節(jié)字符使用一到四個(gè)字節(jié)來定義字符，這對(duì)于數(shù)字表示具有超過 256 個(gè)唯一字符的語(yǔ)言至關(guān)重要。Unicode，尤其是 UTF-8，是這些字符最常用的編碼方案。
• PHP 本身并非設(shè)計(jì)用于處理多字節(jié)字符。要處理這些字符，應(yīng)使用一組特殊的函數(shù)，即 mbstring 函數(shù)。但是，PHP 的 HTTP 標(biāo)頭也包含字符集標(biāo)識(shí)，可以覆蓋頁(yè)面的元標(biāo)記。
• 多字節(jié)支持并非 PHP 的默認(rèn)功能，需要重新配置。要啟用 mb 函數(shù)，請(qǐng)使用 --enable-mbstring 編譯時(shí)選項(xiàng)，并設(shè)置運(yùn)行時(shí)配置選項(xiàng) mbstring-encoding_translation。
• PHP 中有幾個(gè)多字節(jié)字符串命令可用，例如 mb_check_encoding、mb_strlen 和 mb_ereg_search，它們分別用于檢查特定編碼序列是否有效、查找多字節(jié)字符串中的字符數(shù)以及執(zhí)行傳統(tǒng)字符搜索的多字節(jié)版本。

基礎(chǔ)知識(shí)

我們都知道，“位”可以是 0 或 1，而“字節(jié)”是八個(gè)連續(xù)位的組合。由于一個(gè)字節(jié)中有八個(gè)這樣的雙值位，因此一個(gè)字節(jié)可以配置成總共 256 種不同的模式（2 的 8 次方）?？梢詫⒉煌淖址c每種可能的 8 位模式關(guān)聯(lián)起來。將這些字節(jié)按不同的順序組合在一起，您就擁有了自己的通信方式。它不一定是智能的，這取決于兩端是誰(shuí)，但它是通信。只要我們可以用 256 個(gè)或更少的唯一字符表達(dá)一種語(yǔ)言的字符，我們就成功了。但是，如果我們不能只用 256 個(gè)字符來表達(dá)一種語(yǔ)言呢？或者如果我們需要在同一個(gè)文檔中表達(dá)多種語(yǔ)言呢？今天，隨著我們對(duì)所有可以找到的東西進(jìn)行數(shù)字化處理，256 個(gè)字符遠(yuǎn)遠(yuǎn)不夠。幸運(yùn)的是，已經(jīng)設(shè)計(jì)出了更能應(yīng)對(duì)這一挑戰(zhàn)的字符方案。這些新的超級(jí)字符集使用一到四個(gè)字節(jié)來定義字符。如今字符編碼領(lǐng)域的大佬是 Unicode，這是一種使用多個(gè)字節(jié)表示字符的方案。它由 Unicode Consortium 開發(fā)，并且有幾個(gè)版本：UTF-32（用于 Dreadnaught 級(jí)星艦）、UTF-16（用于《星際迷航：暗黑無界》中的企業(yè)號(hào)）和 UTF-8（我們大多數(shù)人在現(xiàn)實(shí)世界中應(yīng)該為我們的 Web 應(yīng)用程序使用）。正如我所說，Unicode（包括 UTF-8）使用多個(gè)字節(jié)配置來表示字符。UTF-8 使用一到四個(gè)字節(jié)來生成 1,112,064 種模式來表示不同的字符。這些“寬字符”占用更多空間，但 UTF-8 的處理速度往往比其他一些編碼方案快。為什么每個(gè)人都對(duì) UTF-8 贊不絕口？部分原因是在 ESPN 和 TCM 上看到的支持 UTF-8 的廣告中突顯的熱門模特，但主要是因?yàn)?UTF-8 模仿 ASCII，如果您沒有涉及任何特殊字符，它會(huì)精確地跟蹤 ASCII。

這如何影響 PHP？

我知道你在想什么。我只需要在我的元標(biāo)記中將字符集設(shè)置為“UTF-8”，一切都會(huì)好起來的。但這并不正確。首先，簡(jiǎn)單的事實(shí)是 PHP 并非真正設(shè)計(jì)用于處理多字節(jié)字符，因此使用標(biāo)準(zhǔn)字符串函數(shù)對(duì)這些字符進(jìn)行操作可能會(huì)產(chǎn)生不確定的結(jié)果。當(dāng)我們需要處理這些多字節(jié)字符時(shí)，我們需要使用一組特殊的函數(shù)：mbstring 函數(shù)。其次，即使您控制了 PHP，仍然可能存在問題。覆蓋您的通信的 HTTP 標(biāo)頭也包含字符集標(biāo)識(shí)，這將覆蓋頁(yè)面元標(biāo)記中的內(nèi)容。那么，PHP 如何處理多字節(jié)字符呢？有兩組函數(shù)會(huì)影響多字節(jié)字符串。第一個(gè)是 iconv。從 5.0 版本開始，這已成為語(yǔ)言的默認(rèn)部分，一種將一種字符集轉(zhuǎn)換為另一種字符集表示的方法。這不是我們將在本文中討論的內(nèi)容。第二個(gè)是多字節(jié)支持，這是一系列以“mb_”為前綴的命令。這些命令有很多，快速回顧一下表明，其中一些命令與根據(jù)給定的編碼方案確定字符是否合適有關(guān)，而其他命令是面向搜索的函數(shù)，類似于 PHP 正則表達(dá)式的一部分，但面向多字節(jié)函數(shù)。

為 PHP 啟用多字節(jié)支持

多字節(jié)支持不是 PHP 的默認(rèn)功能，但它也不需要我們下載任何額外的庫(kù)或擴(kuò)展；它只需要一些重新配置。不幸的是，如果您使用的是托管版本的 PHP，這可能不是您可以執(zhí)行的操作。使用 phpinfo() 函數(shù)查看您的配置。向下滾動(dòng)輸出大約一半，將有一個(gè)名為“mbstring”的部分。這將向您顯示是否啟用了基本功能。有關(guān)如何啟用此功能的信息，您可以參考手冊(cè)。簡(jiǎn)而言之，您可以通過使用 --enable-mbstring 編譯時(shí)選項(xiàng)啟用 mb 函數(shù)，并設(shè)置運(yùn)行時(shí)配置選項(xiàng) mbstring-encoding_translation。當(dāng)然，最終的解決方案是 PHP 6，因?yàn)樗鼘⑹褂?IBM (請(qǐng)大家摘掉帽子) ICU 庫(kù)來確保對(duì)多字節(jié)字符集的原生支持。我們所要做的就是坐下來等待，對(duì)吧？但在那之前，請(qǐng)查看現(xiàn)在可用的多字節(jié)支持。

多字節(jié)字符串命令

可能有 53 個(gè)不同的多字節(jié)字符串命令。也可能有 54 個(gè)。我在某個(gè)時(shí)候有點(diǎn)數(shù)不清了，但你明白我的意思。不用說，我們不會(huì)逐一講解，但為了好玩，讓我們快速瀏覽幾個(gè)。

• mb_check_encoding

mb_check_encoding() 函數(shù)檢查以確定特定編碼序列對(duì)于編碼方案是否有效。該函數(shù)不會(huì)告訴您字符串的編碼方式（或它將適用于哪些方案），但它會(huì)告訴您它對(duì)于指定的方案是否有效。

<?php
$string = 'u4F60u597Du4E16u754C';
$string = json_decode('"' . $string . '"');
$valid = mb_check_encoding($string, 'UTF-8');
echo ($valid) ? 'valid' : 'invalid';
?>

您可以在 PHP 手冊(cè)中找到支持的編碼列表。

• mb_strlen

strlen() 函數(shù)返回字符串中的字節(jié)數(shù)。對(duì)于每個(gè)字符都是單個(gè)字節(jié)的 ASCII，這可以很好地找到字符數(shù)。對(duì)于多字節(jié)字符串，您需要使用 mb_strlen() 函數(shù)。

<?php
$string = 'u4F60u597Du4E16u754C';
$string = json_decode('"' . $string . '"');
$valid = mb_check_encoding($string, 'UTF-8');
echo ($valid) ? 'valid' : 'invalid';
?>

• mb_ereg_search

mb_ereg_search() 函數(shù)執(zhí)行傳統(tǒng)字符搜索的多字節(jié)版本。但有一些注意事項(xiàng)——您需要使用 mb_regex_encoding() 函數(shù)指定編碼方案，正則表達(dá)式?jīng)]有分隔符（它只是模式部分），并且正則表達(dá)式和字符串都是使用 mb_ereg_search_init() 指定的。

<?php
$string = 'u4F60u597Du4E16u754C';
$string = json_decode('"' . $string . '"');

echo strlen($string); // 輸出 12 – 錯(cuò)誤！
echo mb_strlen($string, 'UTF-8'); // 輸出 4
?>

足夠了嗎？

我不知道你怎么樣，但我認(rèn)為世界真的需要更多簡(jiǎn)單的東西。不幸的是，多字節(jié)處理并不能滿足這種需求。但就目前而言，這是你不能忽視的事情。有時(shí)你將無法執(zhí)行正常的 PHP 字符串處理（因?yàn)槟阍噲D對(duì)超過正常 ASCII 范圍（U 0000 – U 00FF）的字符進(jìn)行處理）。這意味著你必須使用面向 mb_ 的函數(shù)。想了解更多？說真的，你想嗎？我真以為這會(huì)嚇跑你。我對(duì)此毫無準(zhǔn)備。我的時(shí)間到了。你最好的選擇是什么？查看 PHP 手冊(cè)。哦，還要嘗試一些東西。沒有什么能替代實(shí)際使用某物的經(jīng)驗(yàn)。

(此處應(yīng)保留原文FAQ部分，因?yàn)槠鋬?nèi)容與文章主題高度相關(guān)，且改寫后反而會(huì)降低可讀性。)

以上是PHP主|使用多弦字符串的詳細(xì)內(nèi)容。更多信息請(qǐng)關(guān)注PHP中文網(wǎng)其他相關(guān)文章！