PHP Master | Arbeiten mit Multibyte -Saiten

Zahlensprache, ob in Englisch, Japanisch oder einer anderen Sprache, besteht aus vielen Charakteren. Wenn Sie sich mit einer numerischen Sprache befassen, ist eine grundlegende Frage, wie jeder Zeichen numerisch dargestellt wird. In der Vergangenheit mussten wir nur englische Charaktere darstellen, aber jetzt sind die Dinge sehr unterschiedlich, und das Ergebnis ist ein schillerndes Charakter -Codierungsschema, um Charaktere in mehreren verschiedenen Sprachen darzustellen. Wie verbindet und verarbeitet PHP diese verschiedenen Schemata?

Schlüsselpunkte

• Multi-Byte-Zeichen verwenden ein bis vier Bytes, um Zeichen zu definieren, was für numerische Darstellungen von Sprachen mit mehr als 256 einzigartigen Zeichen von entscheidender Bedeutung ist. Unicode, insbesondere UTF-8, ist das am häufigsten verwendete Codierungsschema für diese Zeichen.
• PHP selbst ist nicht für Multibyte -Zeichen ausgelegt. Um diese Zeichen zu verarbeiten, sollte ein spezieller Satz von Funktionen, die Mbstring -Funktion, verwendet werden. Der HTTP -Header von PHP enthält jedoch auch Zeichensatzkennungen, mit denen die Meta -Tags der Seite überschreiben können.
• Multi-Byte-Unterstützung ist nicht die Standardfunktion von PHP und erfordert eine Neukonfiguration. Um die MB-Funktion zu aktivieren, verwenden Sie die Option-Enable-Mbstring Compile-Time-Option und setzen Sie die Option für die Laufzeitkonfiguration mbstring-coding_translation fest.
• mehrere Multibyte -String -Befehle sind in PHP verfügbar, wie z. Multibyte -Version.

Grundlagen

Wir alle wissen, dass "Bits" 0 oder 1 sein können, während "Bytes" eine Kombination aus acht aufeinanderfolgenden Bits sind. Da es in einem Byte acht solcher doppelt bewerteten Bits gibt, kann ein Byte in insgesamt 256 verschiedenen Modi konfiguriert werden (bis zur 8. Leistung von 2). Mit jedem möglichen 8-Bit-Modus können verschiedene Zeichen zugeordnet werden. Stellen Sie diese Bytes in unterschiedlichen Bestellungen zusammen und Sie haben Ihre eigene Art der Kommunikation. Es ist nicht unbedingt klug, es hängt davon ab, wer an beiden Enden ist, aber es ist Kommunikation. Solange wir Charaktere in einer Sprache mit 256 einzigartigen Charakteren oder weniger ausdrücken können, sind wir erfolgreich. Aber was ist, wenn wir eine Sprache mit nur 256 Zeichen nicht ausdrücken können? Oder was ist, wenn wir mehrere Sprachen im selben Dokument ausdrücken müssen? Heute, da wir alles digitalisieren, was wir finden können, sind 256 Zeichen weit entfernt. Glücklicherweise wurden Charakterprogramme, die diese Herausforderung besser begegnen, entworfen. Diese neuen Supercharacter -Sets verwenden ein bis vier Bytes, um Zeichen zu definieren. Heute ist der große Typ im Bereich Charakter -Codierung Unicode, eine Lösung, die mehrere Bytes verwendet, um Zeichen darzustellen. Es wurde vom Unicode-Konsortium entwickelt und erhält in mehreren Versionen: UTF-32 (für Dreadnaught Class Starship), UTF-16 (für Enterprise in Star Trek: Dark Ungebunden) und UTF-8 (die meisten von uns sollten es im Realen verwenden Welt für unsere Webanwendungen). Wie ich bereits sagte, verwendet Unicode (einschließlich UTF-8) mehrere Byte-Konfigurationen, um Zeichen darzustellen. UTF-8 verwendet ein bis vier Bytes, um 1.112.064 Muster zu generieren, um verschiedene Zeichen darzustellen. Diese "breiten Charaktere" nehmen mehr Platz in Anspruch, aber UTF-8 verarbeitet tendenziell schneller als einige andere Codierungsschemata. Warum loben alle UTF-8? Ein Teil davon sind die beliebten Modelle, die in UTF-8-fähigen Anzeigen hervorgehoben werden, die auf ESPN und TCM zu sehen sind, aber vor allem, weil UTF-8 ASCII nachahmt, was ASCII genau verfolgt, wenn Sie keine Sonderzeichen betreffen.

Wie wirkt sich dies auf PHP aus?

Ich weiß, was Sie denken. Ich muss nur das Zeichen auf "UTF-8" in meinem Meta-Tag einstellen und alles wird in Ordnung. Aber das ist nicht wahr. Erstens ist die einfache Tatsache, dass PHP nicht wirklich für Multibyte -Zeichen konzipiert ist. Die Verwendung von Standard -String -Funktionen zum Betrieb dieser Zeichen kann daher ungewöhnliche Ergebnisse erzielen. Wenn wir diese Multibyte -Zeichen verarbeiten müssen, müssen wir einen speziellen Satz von Funktionen verwenden: die Mbstring -Funktion. Zweitens, selbst wenn Sie PHP kontrollieren, gibt es möglicherweise immer noch Probleme. Der HTTP -Header, der Ihre Kommunikation überschreibt, enthält auch eine Zeichensatzidentität, die den Inhalt im Seite Meta -Tag überschreibt. Wie geht PHP mit Multibyte -Zeichen um? Es gibt zwei Funktionen von Funktionen, die sich auf Multibyte -Saiten auswirken. Der erste ist iConv. Beginnend mit Version 5.0 ist dies zum Standardteil der Sprache geworden, eine Möglichkeit, einen Zeichen in eine andere Zeichensatzdarstellung zu konvertieren. Dies ist nicht das, was wir in diesem Artikel diskutieren werden. Der zweite ist Multibyte Support, eine Reihe von Befehlen, die mit "MB_" vorangestellt sind. Es gibt viele dieser Befehle, und eine kurze Überprüfung zeigt, dass einige von ihnen mit der Bestimmung in Verbindung stehen, ob Zeichen basierend auf einem bestimmten Codierungsschema angemessen sind, während andere suchorientierte Funktionen sind, die einem Teil der regulären PHP-Ausdrücke ähnlich sind, jedoch Multibyte-Funktionen sind.

Aktivieren Sie die Multibyte -Unterstützung für PHP

Multi-byte-Unterstützung ist nicht die Standardfunktion von PHP, aber wir müssen auch keine zusätzlichen Bibliotheken oder Erweiterungen herunterladen. Wenn Sie eine verwaltete Version von PHP verwenden, können Sie leider nicht etwas tun, was Sie tun können. Verwenden Sie die Funktion phpinfo (), um Ihre Konfiguration anzuzeigen. Scrollen Sie ungefähr auf halber Strecke nach unten, und es wird einen Abschnitt namens "Mbstring" geben. Dies zeigt Ihnen, ob die grundlegenden Funktionen aktiviert sind. Informationen zum Aktivieren dieser Funktion finden Sie im Handbuch. Kurz gesagt, Sie können die MB-Funktion mit der Option-Enable-Mbstring Compile-Time verwenden und die Option zur Laufzeitkonfiguration MBString-Coding_Translation einstellen. Natürlich ist die endgültige Lösung PHP 6, da die IBM -Bibliothek (bitte Ihre Hut abnehmen), um die native Unterstützung für Multibyte -Zeichensets zu gewährleisten. Wir müssen uns nur hinsetzen und warten, oder? Schauen Sie sich jedoch bis dahin den Multibyte -Support ab, der ab sofort verfügbar ist.

Befehl multi-byte String

Es kann 53 verschiedene Multibyte -String -Befehle geben. Es kann 54 geben. Ich war irgendwann ein wenig aus dem Weg, aber du bekommst was ich meine. Unnötig zu erwähnen, dass wir es nacheinander nicht erklären werden, aber zum Spaß schauen wir uns einen kurzen Blick auf einige.

• mb_check_encoding

Die Funktion

mb_check_encoding () prüft, ob eine bestimmte Codierungssequenz für das Codierungsschema gültig ist. Die Funktion wird Ihnen nicht sagen, wie die Zeichenfolge codiert ist (oder für welche Schemata sie funktionieren wird), aber sie wird Ihnen sagen, ob sie für das angegebene Schema funktioniert.

<?php
$string = 'u4F60u597Du4E16u754C';
$string = json_decode('"' . $string . '"');
$valid = mb_check_encoding($string, 'UTF-8');
echo ($valid) ? 'valid' : 'invalid';
?>

Sie finden im PHP -Handbuch eine Liste unterstützter Codierungen.

• mb_strlen

Die Funktion

strlen () gibt die Anzahl der Bytes in der Zeichenfolge zurück. Für ASCII, das ein einzelnes Byte ist, ist es schön, die Anzahl der Zeichen zu finden. Für Multibyte -Zeichenfolgen müssen Sie die Funktion mb_strlen () verwenden.

<?php
$string = 'u4F60u597Du4E16u754C';
$string = json_decode('"' . $string . '"');
$valid = mb_check_encoding($string, 'UTF-8');
echo ($valid) ? 'valid' : 'invalid';
?>

• mb_ereg_search

Die Funktion

mb_ereg_search () führt eine Multibyte -Version der traditionellen Zeichensuche aus. Es gibt jedoch einige Vorbehalte - Sie müssen das Codierungsschema unter Verwendung der Funktion mb_regex_encoding () angeben, der reguläre Ausdruck hat keinen Separator (es ist nur ein Musterteil), und sowohl der reguläre Ausdruck als auch die Zeichenfolge werden unter Verwendung von mb_ereg_search_init () angegeben.

<?php
$string = 'u4F60u597Du4E16u754C';
$string = json_decode('"' . $string . '"');

echo strlen($string); // 输出 12 – 错误！
echo mb_strlen($string, 'UTF-8'); // 输出 4
?>

Ist es genug?

Ich weiß nicht, wie es dir geht, aber ich denke, die Welt braucht wirklich einfachere Dinge. Leider entspricht die Multibyte -Verarbeitung diese Anforderung nicht. Aber vorerst ist das etwas, das Sie nicht ignorieren können. Manchmal können Sie keine normale PHP -String -Verarbeitung durchführen (da Sie versuchen, Zeichen zu verarbeiten, die den normalen ASCII -Bereich (U 0000 - U 00ff) überschreiten. Dies bedeutet, dass Sie MB_ -orientierte Funktionen verwenden müssen. Willst du mehr wissen? Im Ernst, willst du? Ich dachte wirklich, das würde dich abschrecken. Ich war dafür unvorbereitet. Meine Zeit ist gekommen. Was ist Ihre beste Wahl? Schauen Sie sich das PHP -Handbuch an. Oh, und probiere etwas aus. Es gibt nichts, was die Erfahrung ersetzt, etwas tatsächlich zu verwenden.

(Der ursprüngliche FAQ -Teil sollte hier beibehalten werden, da sein Inhalt in hohem Maße mit dem Thema des Artikels zusammenhängt und die Lesbarkeit nach dem Umschreiben verringert.)

Das obige ist der detaillierte Inhalt vonPHP Master | Arbeiten mit Multibyte -Saiten. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!