php中的字符占3个位置

Question

我在字符串（字符数组）中有一个问题，因为一个字符占据了 3 个位置，这使我的代码产生了意想不到的结果

检查此代码：

<?php
$input1="t’n";
for($i=0;$i<strlen($input1);$i++){
    echo $input1[$i] .'<br/>';
}
echo '<br>'.'=================='.'<br>';
$input2='test';
for($i=0;$i<strlen($input2);$i++){
    echo $input2[$i] .'<br/>';
}
echo '<br>'.'Strange ===> ';
echo $input1[1].$input1[2].$input1[3];

看照片：

我们注意到这个字符在将字符串作为字符数组处理时占据 3 个位置，并且三个必须保持在一起才能生成正确的字符。

我在制作一个反转我输入的字符串的代码时遇到这种情况，包含这个字符 例如 t'n => n't 有什么建议吗？

提前致谢

Answer 1

如您所见，只要字符串包含多字节字符，就不能像使用数组那样使用字符串。没关系，我们将使用 mb_* 函数来提取每个字符：

$input = 't’n';
$result = [];

for ($i=0, $max=mb_strlen($input); $i < $max; $i++) {
    $result[] = mb_substr($input, $i, 1); 
}

echo implode('<br>', $result);

好的，看起来不错，用array_reverse可以很容易得到一个反转字符串：

echo implode('', array_reverse($result));

但这并不是那么简单。让我们考虑一个包含组合字符的字符串：

$input = "a\xcc\x80e"; // àe

这个字符串有三个代码点：

• U+0061 拉丁文小写字母 A (\x61)
• U+0300 结合重音 (\xcc\x80)
• U+0065 拉丁文小写字母 E (\x65)

问题：如果我们使用前面的代码来反转这个字符串，我们会以相反的顺序获得三个代码点，所以字符串"e\xcc\x80a" // èa。请注意，现在重音出现在 e 上，而不再出现在 a 上。

为了获得预期的结果eà ("ea\xcc\x80")，我们必须不使用字节，不使用代码点，而是使用字形。 （字形包括字符和与其结合的最终字符）。

为此，我们可以使用grapheme_* functions 代替mb_* 功能完全相同：

for ($i=0, $max=grapheme_strlen($input); $i < $max; $i++) {
    $result[] = grapheme_substr($input, $i, 1); 
}

其他可能性，我们可以使用匹配字素的\X pcre 功能：

if ( preg_match_all('~\X~u', $input, $matches) ) {
    $result = $matches[0];
}

---

Nota Bene：您显然可以避免创建一个数组来反转字符串：

function grapheme_strrev($input) {
    $result = '';
    for ($i = grapheme_strlen($input) - 1; $i > -1; $i--) {
        $result .= grapheme_substr($input, $i, 1);
    }
    return $result;
}

Answer 2

那个字符是右单引号，U+2019（数字是十六进制的）。在 UTF-8 中，编码为 e2 80 99。所以当你反转 74 e2 80 99 6e 时，你需要使 6e e2 80 99 74。

您可以按如下方式在字节字符串中处理它：

• 从 $input 的末尾迭代 $i 到开头。
• 如果 $input[$i] 介于 0 和 127 之间，请将其复制到 $output 的末尾。
• 如果 $input[$i] 介于 128 和 191 之间（或者如果 char 是有符号的，则介于 -128 和 -65 之间），保持它。
• 如果 $input[$i] 介于 192 和 255（-64 和 -1）之间，请将其和保存的字节作为一个块复制到 $output 的末尾。

以 UTF-8 编码的所有 Unicode 字符要么是一个 7 位字符，即高位清零的字节，要么是一个多字节序列，其中第一个字节从 11 开始，其余所有字节从 10 开始。

UTF-8 中存在无效的字节序列（例如，您永远不会看到字节 fe 和 ff）；你如何处理它们取决于你。

Answer 3

这不起作用，我现在没有时间做更多事情。但是您应该能够使用几个函数来检测字符编码，并在必要时进行转换。我不知何故怀疑这是你练习的目标......似乎是一个非常昂贵（计算）的检查。无论哪种方式，在手册中搜索编码功能，并执行类似于以下的操作 - 您将能够处理每个字符。无论出于何种原因，我都无法在 CLI 中成功调用转换函数。

<?php
$input1="t’n";
$ce = mb_internal_encoding(); //current encoding in use by php/this script by X configuration
for($i=0;$i<strlen($input1);$i++){
    if(mb_detect_encoding($input1[$i], "auto", true) == $ce){
        echo $input1[$i] .'<br/>';
    }
    else{
        echo mb_convert_encoding($input1[$i], $ce, "auto");
    }
}
echo '<br/>'.'=================='.'<br/>';
$input2='test';
for($i=0;$i<strlen($input2);$i++){
    echo $input2[$i] .'<br/>';
}

抱歉，不完整，希望对您有所帮助，或者比我更有知识的人可以加入...