需求

如果需要將可能含有中文的字符串進行拆分成數組，我們下面以 utf-8 編碼為例。

解決方案一

我習慣的方法可能是：mb_internal_encoding("UTF-8");

$str = "周夢康";

$array = [];

for ($i=0,$l = mb_strlen($str); $i < $l; $i++) {

array_push($array, mb_substr($str, $i, 1));

}

var_export($array);

假如我們沒裝mb擴展怎么辦？

解決方案二

今天看到一份代碼，別人是這么寫的：/*

* 將可能含有中文的字符串進行拆分成數組

*/

function str_split_utf8($str)

{

$split = 1;

$array = array();

for ($i = 0; $i < strlen($str);) {

$value = ord($str[$i]);

if ($value > 127) {

if ($value >= 192 && $value <= 223) {

$split = 2;

} elseif ($value >= 224 && $value <= 239) {

$split = 3;

} elseif ($value >= 240 && $value <= 247) {

$split = 4;

}

} else {

$split = 1;

}

$key = null;

for ($j = 0; $j < $split; $j++, $i++) {

$key .= $str[$i];

}

array_push($array, $key);

}

return $array;

}

代碼解讀

strlen計算的是字節數，而直接使用$str[x]就沿用了c語言里面char數組和字符串的習慣，表示按字節來讀取$str，也就是說每次讀取的數據的ascii碼值不可能大于255。而php里使用ord來獲取ascii碼值。

切割規則如下ascii 碼范圍切割偏移量0 ~ 1271 字節

192 ~ 2232 字節

224 ~ 2393 字節

240 ~ 2474 字節

為什么呢？

Unicode

Unicode 只是一個符號集，它只規定了符號的二進制代碼，卻沒有規定這個二進制代碼應該如何存儲。

UTF-8

UTF-8 就是在互聯網上使用最廣的一種 Unicode 的實現方式。UTF-8 最大的一個特點，就是它是一種變長的編碼方式。它可以使用1~4個字節表示一個符號，根據不同的符號而變化字節長度。

UTF-8 的編碼規則很簡單，只有二條：對于單字節的符號，字節的第一位設為0，后面7位為這個符號的 Unicode 碼。因此對于英語字母，UTF-8 編碼和 ASCII 碼是相同的(能容納0~127)。

對于n字節的符號(n > 1)，第一個字節的前n位都設為1，第n + 1位設為0，后面字節的前兩位一律設為10。剩下的沒有提及的二進制位，全部為這個符號的 Unicode 碼。

下表總結了編碼規則，字母x表示可用編碼的位:Unicode 符號范圍(十六進制)UTF-8 編碼方式(二進制)UTF-8 首字節范圍0000 0000-0000 007F0xxxxxxx0 ~ 127

0000 0080-0000 07FF110xxxxx 10xxxxxx(128+64) ~ (255-32) 也就是 192 ~ 223

0000 0800-0000 FFFF1110xxxx 10xxxxxx 10xxxxxx(128+64+32) ~ (255-16) 也就是 224 ~ 239

0001 0000-0010 FFFF11110xxx 10xxxxxx 10xxxxxx 10xxxxxx(128+64+32+16) ~ (255-8) 也就是 240 ~ 247

想必看了這個表，大家就能明白了吧。

總結

以上是生活随笔為你收集整理的php去掉多字节字符,PHP 面试题 - 如果没有 mb 系列函数，如何切割多字节字符串...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。