Question

我需要一个能够将非ASCII符号正确转换为\ uXXXX表示的函数。我知道json_encode会这样做，但它会在字符串中添加双引号，我认为可能有更精确的解决方案，比每个符号使用json_encode消耗更少的CPU。

以下是目前的解决方案：

    $input=preg_replace_callback('#([^\r\n\t\x20-\x7f])#u', function($m) {
        return trim(json_encode($m[1]),'"');
    }, $input);

有没有人知道更简单，更快速的解决方案？

Answer 1

由于您当前的解决方案使用u正则表达式修饰符，我假设您的输入编码为UTF-8。

以下解决方案绝对不简单（除了正则表达式），我甚至不确定它更快，但它更低级别并显示实际的转义过程。

$input = preg_replace_callback('#[^\x00-\x7f]#u', function($m) {
    $utf16 = mb_convert_encoding($m[0], 'UTF-16BE', 'UTF-8');
    if (strlen($utf16) <= 2) {
        $esc = '\u' . bin2hex($utf16);
    }
    else {
        $esc = '\u' . bin2hex(substr($utf16, 0, 2)) .
               '\u' . bin2hex(substr($utf16, 2, 2));
    }
    return $esc;
}, $input);

一个基本问题是PHP没有ord function that works with UTF-8。您要么必须使用mb_convert_encoding，要么必须使用自己的UTF-8解码器（请参阅链接问题），以便进行其他优化。两字节和三字节UTF-8序列映射到单个UTF-16代码单元。四字节序列需要两个代码单元（高和低代理）。

如果您的目标是简单性和可读性，那么您可能无法超越json_encode方法。

将unicode符号转换为\ uXXXX，而不是使用json_encode

1 个答案: