Question

我需要使用utf8_general_ci编码将用户输入保存到数据库到列，每个编码点最多需要三个字节。但是，如果用户输入包含使用四个字节的字符（例如，表情符号），则输入不会保存到列中。我需要检查输入内容是否仅包含最多使用三个字节的字符。我知道我可以将列编码更改为utf8mb4，但我不想这样做。

那我该怎么做：

if (maxThreeBytes("")) { //return fail
    echo "success";
}
else  {
    echo "fail";
}

另一个例子：

maxThreeBytes("a") => true
maxThreeBytes("ščřžý") => true
maxThreeBytes("test this") => true
maxThreeBytes("") => false
maxThreeBytes("hello ") => false
maxThreeBytes("test this") => true
maxThreeBytes("test  this") => false

Answer 1

假设$str是UTF-8编码的：

function maxThreeBytes($str) {
    return preg_match('@[\\xf0-\\xff][\\x80-\\xff][\\x80-\\xff][\\x80-\\xff]@', $str) ? false : true;
}

它检查字符串是否包含与11110xxxb 10xxxxxxb 10xxxxxxb 10xxxxxxb匹配的四个字符，import torch myTensor = torch.randn(2, 2,requires_grad=True) with torch.enable_grad(): x=myTensor.sum() *10 x.backward() print(myTensor.grad)是介于U + 10000和U + 10FFFF之间的字符的编码。

Answer 2

对于utf-8转换：

$input = iconv('UTF-8', 'UTF-8//IGNORE', trim(strip_tags($input)));

仅用于正则表达式

$input = preg_replace("/[^A-Za-z0-9:[:blank:]]()\+\-/","",$input);

它不是一个完整的答案，只是一个例子，等待更多评论您可能需要在正则表达式中添加更多符号，添加所需的符号，然后试一下：<< / p>

检查UTF-8字符是否最多需要三个字节

2 个答案: