Deutsch
Deutsch
In PHP ist Str_split eine häufig verwendete String -Verarbeitungsfunktion, die Strings in kleine Substrings unterteilt. Obwohl diese Funktion im Umgang mit regulären ASCII-Zeichenfolgen sehr effektiv ist, können Sie einige Kompatibilitätsprobleme aufweisen, wenn sie mit UTF-8-kodierten Zeichenfolgen verwendet wird. In diesem Artikel wird untersucht, warum dies geschieht, und mögliche Lösungen bereitstellen.
Die Funktion der Funktion str_split besteht darin, eine Zeichenfolge gemäß der angegebenen Länge in mehrere Substrings aufzuteilen und ein Array zurückzugeben. Zum Beispiel:
$str = "HelloWorld";
$result = str_split($str, 5);
print_r($result);
Das Ausgabeergebnis wird:
Array
(
[0] => Hello
[1] => World
)
Diese Funktion ist in ASCII -Zeichenfolgen sehr intuitiv und effektiv, da die Anzahl der Bytes pro Zeichen konsistent ist. Die Situation ist jedoch unter der UTF-8-Codierung unterschiedlich.
UTF-8 ist eine Zeichenkodierung mit variabler Länge, mit der jedes Zeichen durch 1 bis 4 Bytes dargestellt werden kann. Für grundlegende Zeichensätze wie Englisch verwendet UTF-8 1 Byte, aber für Zeichen wie Chinese und Japanisch verwendet die UTF-8-Codierung 3 bis 4 Bytes. Bei der Aufteilung von UTF-8-kodierten Zeichenfolgen unter Verwendung von str_split können sich Probleme auftreten, wenn sie durch eine feste Anzahl von Bytes aufgeteilt werden.
Betrachten Sie beispielsweise die folgende UTF-8-codierte Zeichenfolge:
$str = "HalloWorld";
"Hallo" hier verwendet 6 Bytes, während "World" 5 Bytes verwendet. Wenn Str_split ($ str, 3) verwendet wird, spaltet PHP die Zeichenfolge alle 3 Bytes, was dazu führt, dass die chinesischen Zeichen "Sie" und "gut" in zwei Teile aufgeteilt werden, und diese Zeichen sollten ein ganzes sein.
$str = "HalloWorld";
$result = str_split($str, 3);
print_r($result);
Die Ausgabe kann sein:
Array
(
[0] => Du
[1] => Gut
[2] => Wor
[3] => ld
)
Sie können sehen, dass Str_split ein Zeichen (wie "Sie") in mehrere Teile aufteilt, was zu unvollständigen chinesischen Zeichen führt. Eine solche Segmentierung beeinflusst nicht nur die Integrität der Zeichenfolge, sondern kann auch zu Problemen führen.
Die Hauptursache des Problems ist, dass die Anzahl der Bytes in UTF-8-codierten Zeichen nicht einheitlich ist. Die STR_SPLIT -Funktion von PHP arbeitet auf Bytes, nicht auf Zeichen. Wenn daher Str_split verwendet wird, um eine UTF-8-kodierte Zeichenfolge zu teilen, ignoriert es die tatsächlichen Grenzen der Zeichen, die dazu führen können, dass die Zeichen abgeschnitten oder in mehrere Teile aufgeteilt werden.
Um dieses Problem besser zu verstehen, können wir es als ein Unicode -Charakter -Codierungsproblem betrachten. Wenn Sie sich direkt nach Bytes teilen, kann die Integrität von Zeichen nicht garantiert werden, insbesondere Multi-Byte-Zeichen.
Die Lösung für dieses Problem besteht darin, die Aufteilung von UTF-8-Zeichenfolgen direkt mit Str_split zu vermeiden. Stattdessen können wir PHP -Funktionen verwenden, die besser zum Umgang mit Multibyte -Zeichen wie mb_str_split geeignet sind, die Teil der Mbstring -Erweiterung ist und basierend auf Zeichen und nicht auf Bytes korrekt aufgeteilt werden können.
Beispiel für die Verwendung von mb_str_split :
$str = "HalloWorld";
$result = mb_str_split($str, 1, 'UTF-8');
print_r($result);
Die Ausgabe wird sein:
Array
(
[0] => Du
[1] => Gut
[2] => W
[3] => o
[4] => r
[5] => l
[6] => d
)
Bei mb_str_split wird jedes Zeichen korrekt aufgeteilt, wodurch das Problem der Aufteilung chinesischer Zeichen vermieden wird. Es ist zu beachten, dass Sie bei der Verwendung von Mbstring -Erweiterung sicherstellen müssen, dass sie installiert und aktiviert sind.
Wenn die STR_SPLIT- Funktion von PHP UTF-8-kodierte Zeichenfolgen übernimmt, kann dies zu einer falschen Aufteilung führen, da die von UTF-8 codierte Anzahl von Zeichenbytes codiert, insbesondere wenn die Zeichenfolge Multibyte-Zeichen enthält. Um dieses Problem zu vermeiden, kann MB_STR_SPLIT verwendet werden, um die utf-8-codierten Zeichenfolgen korrekt aufzuteilen, um die Charakterintegrität zu gewährleisten.
In der tatsächlichen Entwicklung sollten wir in Betracht ziehen, Funktionen zu verwenden, die Multibyte -Charaktere unterstützen, insbesondere wenn wir uns mit internationalen Zeichenfolgen befassen. Dies verhindert nicht nur, dass Charaktere versehentlich geteilt werden, sondern verbessert auch die Codekompatibilität und -stabilität.
