比较PHP中的两个unicode字符串答案

【问题标题】：Comparing two unicode strings in PHP比较PHP中的两个unicode字符串
【发布时间】：2011-10-14 21:17:55
【问题描述】：

我一直在比较 PHP 中的两个 unicode 字符串，它们都包含特殊的字符 'ö'。一个字符串来自$_GET，另一个是文件系统的文件夹名称（scandir()）。两个字符串似乎都和我一样，做一个

var_dump($filter);
var_dump($tail . '/' . $k);

它们也显示了它们的相等性，但具有不同字符串长度（？！）：

string '/blöb' (length=7)
string '/blöb' (length=6)

我的 sn-p 比较它们如下所示：

if($filter == ($tail . '/' . $k)) {
    /* ... */
}

这是怎么回事？

附加信息：$tail是一个空字符串：

string '' (length=0)

【问题讨论】：

print_r(unpack("H*",$k)) 在您的两种情况下返回什么？
请记住，有些文件系统使用 NFD（或接近它），您可能正在考虑使用 NFC。如果要进行二进制比较，则需要标准化为同一事物。但是对文本进行二进制比较是不明智的。您需要使用 UCA 进行文本比较。上周在 OSCON 看到我的seven-language talk on Unicode。

【解决方案1】：

你可能在较长的字符串中有一个分解的字符，意思是一个 o，然后是一个覆盖前一个字符的变音符号组合字符。

规范化器功能会解决这样的问题。

作为旁注，如果您将输入用于等价，则应始终规范化输入（例如用户名 - 您要确保两个人不选择相同的用户名，即使字符串的二进制表示发生不同）。

【讨论】：

这个答案需要安装intl。所以如果你有它，那为什么不使用collator_compare？我正在寻找一个不使用intl的答案...
@user9645 因此，您想处理具有大量复杂性的 unicode 字符串，而无需实际安装知道如何处理 unicode 的库？我不明白这怎么可能。
Ariel - 不，我只是想要一个 GNU intl 的替代品。就是这样。
@user9645 intl 不是 GNU，它来自 ICU 库（最初由 Talligent 和 IBM 以及 Sun 编写），它是权威的 unicode 库，实际上是统一码。没有人再使用其他任何东西了。你可以试试iconv 和uconv 但我不认为可以做到这一点，也不再维护。你能告诉我你为什么要避免国际化吗？

【解决方案2】：

您可以尝试通过 utf8_encode() 解析它们并在那里检查它们吗？ PHP 不支持 unicode，因此建议对一些基本的 Unicode 功能使用 utf8_encode/decode。

【讨论】：