Question

目前，我不明白为什么在处理UTF-8时在PHP中使用mbstring函数非常重要？我在linux下的语言环境已经设置为UTF-8，那么为什么默认情况下strlen，preg_replace等函数不能正常工作？

Answer 1

无论您的操作系统的语言环境如何，所有PHP string functions都不会处理多字节字符串。这就是你需要使用多字节字符串函数的原因。

当您操纵（修剪，分割，拼接等）编码的字符串时多字节编码，你需要使用特殊功能，因为两个或更多连续字节可以代表这样的单个字符编码方案。否则，如果您应用非多字节感知字符串函数到字符串，它可能无法检测到开头或多字节字符的结尾，最后是一个损坏的垃圾字符串很可能失去其原始含义。

Answer 2

这里的人不懂UTF-8。

您不需要使用UTF-8识别代码来处理UTF-8。在大多数情况下。

我甚至只使用字节感知功能编写了Unicode大写/小写，NFC和NFD变换。很难想到比这更复杂的东西，需要对UTF-8进行如此细致和细致的处理。然而它仍然适用于仅字节函数。

您需要支持UTF-8的代码非常罕见。也许计算字符数，或将插入点向前移动1个字符。但实际上，即使这样你的代码也无法工作;）因为分解了字符。

但如果您所做的只是替换，查找内容，甚至解析语法，您只需要字节感知功能。

我会解释原因。

这是因为在任何其他UTF-8字符中都找不到UTF-8字符。这就是它的设计方式。

尝试向我解释如何在多字节系统中找到文本处理错误，在多字节系统中，在另一个字符中找不到字符？只是一个例子！你能想到的最简单。

Answer 3

这是我用简单的英语回答的。单个日文，中文和韩文字符占用多个字节。例如，一个典型的charactert说x在英语中占用1个字节，在日语，中文和韩语中需要超过1个字节。现在，PHP的标准字符串函数用于将单个字符视为1个字节。因此，如果您尝试比较两个日文或中文或韩文字符，它们将无法按预期工作。例如“Hello World！”的长度。日语，中文或韩语将超过12个字节。

阅读http://www.php.net/manual/en/intro.mbstring.php

Answer 4

PHP字符串只是普通的字节序列。他们自己没有任何意义。并且它们也不使用任何特定的字符编码。

因此，如果您使用file_get_contents()读取文件，则会获得该文件的二进制安全表示。可能是图像或人类可读文本文件的（二进制）表示 - PHP并不关心。

现在，只要你只需要对字符串进行基本处理，就根本不需要知道字符编码。因此，如果您想使用file_put_contents()将字符串存储回文件中，或者希望使用strlen()获取其长度（不是字符数），那么您没问题。

然而，一旦你开始做更多花哨的字符串操作，你需要知道字符编码！无法将其存储为字符串的一部分，因此您必须单独跟踪它，或者大多数人都这样做，使用通用字符编码中包含所有（文本）字符串的约定，如US -ASCII或现在的UTF-8 。

因为没有办法为字符串设置字符编码， PHP不知道字符串使用哪个字符编码。因此，strlen()唯一能做的就是返回字节数，因为这是PHP确实知道的唯一事情。

如果您提供使用的字符编码的附加信息，则需要使用另一个函数 - 在这种情况下，该函数称为mb_strlen()。

同样适用于preg_replace()：如果你想要替换umlaut-a，或者连续匹配三个相同的字符，你需要知道umlaut-a是如何编码的，一般来说，是如何编码字符的

因此，如果你有一个假设的字符编码，它将小写a编码为a1，将大写A编码为a2，则{{1作为b和b1作为B（依此类推），您可以拥有一个（编码的）字符串b2，该字符串由一行中的三个相同字符组成。但是，在不知道编码的情况下，只需查看字节序列，就无法检测到它。

要点：

由于PHP字符串不包含字符编码，因此无法理解'默认'。即使像a1a1a1这样的单个函数无法返回strlen() HTTP标头和同时所需的字节序列长度，对于有用的字符数也是如此。表示博客文章的长度。

这就是Function Overloading Feature本来就被破坏的原因，即使它一开始看起来很好，也会以难以调试的方式破坏你的代码。

Answer 5

multibyte =＆gt;多+字节。

1）用于使用其他语言（不是英语）格式的字符串。

2）默认的PHP字符串函数只适用于英语（或与之相关）语言。

3）如果要使用strlen（）或strpos（）或uppercase（）或strreplace（）作为特殊字符，
假设我们需要在“Hello”上应用字符串函数在中国（你好），阿拉伯语（مرحبا），日语（こんにちは），印地语（ नमस्ते），古吉拉特语（હેલો）。
不同的语言可以是自己的字符集

因此引入了mbstring用于与各种语言（如中文，日语等）进行通信。

Answer 6

劳尔·冈萨雷斯（RaulGonzález）是一个很好的例子，说明了为什么：

这是关于缩短MySQL数据库的用户名，例如我们限制10个字符和Raul González。

下面的单元测试是一个如何获取此类错误的示例

一般错误：1366错误的字符串值：第1行的“名称”列的“ \ xC3”（SQL：更新users设置name = RaulGonz▒，updated_at = 2019 -03-04 04:28:46其中id = 793）

以及如何避免它

public function test_substr(): void
{
    $name = 'Raul González';
    $user = factory(User::class)->create(['name' => $name]);
    try {
        $name1      = substr($name, 0, 10);
        $user->name = $name1;
        $user->save();
    } catch (Exception $ex) {

    }
    $this->assertTrue(isset($ex));

    $name2      = mb_substr($name, 0, 10);
    $user->name = $name2;
    $user->save();

    $this->assertTrue(true);
}

使用PHP Laravel和PhpUnit进行说明。

为什么在PHP中使用多字节字符串函数？

6 个答案: