使用 UTF-8 编码的文本答案

【问题标题】：working with UTF-8 encoded text使用 UTF-8 编码的文本
【发布时间】：2013-02-04 19:23:28
【问题描述】：

我有问题。我需要从我的文本文件中找到一些 utf-8 字符并输出它们，但它不输出字母，而是输出“？”、问号...

ini_set( 'default_charset', 'UTF-8' );
$homepage = file_get_contents('t1.txt');
echo $homepage;
echo "\t";
echo "\t!!!!!!!!!!!!"; 
echo $homepage[14];

所以，这里很奇怪，如果我使用现有索引它什么也不输出，但如果我放了

echo $homepage[35];

它输出“？”，但是我的 $homepage 字符串只有 30 个字符长，怎么了？

这很奇怪，它正确地从文件中获取字符串，并正确输出，但是当我按索引调用字符时，它不起作用..这是我的文本文件中的内容： advhasgdvgv олыолоываи 呵呵

当我调用 $homepage 时它会正确输出，但是当 $homepage[14] 时它不起作用。这是输出：

advhasgdvgv олыолоываи ouhh !!!!!!!!!!!!

【问题讨论】：

会不会是因为 Unicode 字符存储在超过 1 个字节中，所以访问这样的字符只会得到第一个字节？

标签： php utf-8 utf-16

【解决方案1】：

试试mb_convert_encoding，看看能不能解决问题。

http://www.php.net/manual/en/function.mb-convert-encoding.php

string mb_convert_encoding ( string $str , string $to_encoding [, mixed $from_encoding ] )

$homepage = mb_convert_encoding(
    file_get_contents('t1.txt'),
    "UTF-8"
);

您还应该检查 PHP 文件和那里的文本文件的编码。

【讨论】：

现在，它更奇怪了.. 它输出：ï»¿advhasgdvgv Ð¾Ð»ÑÐ¾Ð»Ð¾ÑÐ²Ð°Ð¸ ouhh !!!!!!!!!!!!g
你通常可以像往常一样使用echo或print

【解决方案2】：

我使用这种方法来处理 UTF-8：

<?php
$string = 'ئاکام';//my name
mb_internal_encoding("UTF-8");
$mystring = mb_substr($string,0,1);ئ
//without mb_internal_encoding the return was Ø
echo $mystring;
?>

我还保存了所有文件（编码为 UTF-8）

【讨论】：

【解决方案3】：

Unicode 字符的每个字母超过 1 个字节，因此您必须这样做才能访问它们：

echo $homepage[30] . $homepage[31];
> и

但这是假设字符只有 2 个字节，但可能还有更多；所以更通用的解决方案是：

function charAt($str, $pos, $encoding = "UTF-8")
{
    return mb_substr($str, $pos, 1, $encoding);
}

【讨论】：

【解决方案4】：

PHP 并不真正支持字符串中的 UTF-8，这意味着访问 text[n] 将获得第 n 个字节而不是第 n 个字符。 UTF-8 字符中可能有 1-4 个字节，这意味着您根本无法使用 PHP 通过索引访问它们，因为您不知道字符从哪个索引开始。此外，您显然无法使用 text[n] 检索字符，因为它可能需要多个字节。

根据您的需要，您可以使用 utf8_decode() 将字符串转换为 ISO 8859，或者使用一些 UTF-8 感知机制从头开始遍历字符串并提取您想要/需要的字节。

请注意，Linux 和 Windows 版本的 PHP 可能会在某些转换（例如 mb_strtoupper()）中产生不同的输出，并且并非所有正则表达式函数都支持 UTF-8。

【讨论】：