奇怪的UTF8字符串比较

Question

我遇到UTF8字符串比较的问题，我真的不知道，它开始让我头痛。请帮帮我 基本上我有一个用UTF8编码的xml文档中的字符串：'MinaTidigareanställningar'
当我将该字符串与我自己键入的完全相同的字符串进行比较时：'MinaTidigareanställningar'（也在UTF8中）。结果是假的！
我不知道为什么。太奇怪了。有人可以帮我吗？

Answer 1

This seems somewhat relevant。为了简化，有几种方法可以用Unicode（因此是UTF8）获取相同的文本：例如，这个：ř可以写成一个字符ř或两个字符：{{1} }和合并 r。

您最好的选择是normalizer class - 将两个字符串规范化为相同的规范化形式并比较结果。

在其中一条评论中，您将显示字符串的这些十六进制表示形式：

ˇ

请注意我标记的部分，显然这个问题有两个部分。

• 首先，观察this question on the meaning of byte sequence "c2a0" - 由于某种原因，您的输入被转换为XML文件具有正常空间的不可破坏空间。请注意，在“Mina”之后的两种情况下都有正常的空间。不知道如何处理PHP中的 ，除了用普通空格替换所有空格。

• 关于第二种情况，我在上面概述了这种情况：4d696e61205469646967617265 20 616e7374 c3a4 6c6c6e696e676172 // from XML 4d696e61205469646967617265 c2a0 616e7374 61cc88 6c6c6e696e676172 // typed ^^-----------------^^^^1 ^^^^^^2 是ä（U + 00E4“LATIN SMALL LETTER A WITH DIAERESIS” - 一个字符，两个字节），而c3a4是a（U + 0061“LATIN SMALL LETTER A” - 一个字符，一个字节）而61将是组合变音符号"（U + 0308“结合DIAERESIS“ - 两个字符，三个字节）。在这里，normalization library应该是有用的。

Answer 2

让我们盲目地尝试：也许两个UTF-8字符串都没有相同的底层表示（您可以将带有重音符号的字符作为序列或唯一字符）。你应该使用两个UTF8字符串的十六进制转储，有人可能会帮助。

Answer 3

mb_detect_encoding（$ s，“UTF-8”）==“UTF-8”？ ：$ s = utf8_encode（$ s）;