>  기사  >  백엔드 개발  >  PHP가 유니코드를 지원하지 않는다는 것은 무엇을 의미합니까?

PHP가 유니코드를 지원하지 않는다는 것은 무엇을 의미합니까?

藏色散人
藏色散人원래의
2021-07-27 09:35:522714검색

php는 유니코드를 지원하지 않습니다. 즉, PHP 문자열은 문자의 인코딩 정보를 저장하지 않으므로 기본 작업 함수는 바이너리 데이터가 텍스트에 어떻게 대응하는지 알 수 없으며 한 문자가 단일 바이트에 해당한다고 가정할 수 있습니다. 이렇게 하면 영어나 다른 ASCII 코드를 처리할 때 사용하면 충분하지만, 중국어 등 멀티바이트 문자의 경우 오류가 발생합니다.

PHP가 유니코드를 지원하지 않는다는 것은 무엇을 의미합니까?

이 기사의 운영 환경: windows7 시스템, PHP7.1 버전, DELL G3 컴퓨터

php가 유니코드를 지원하지 않는다는 것은 무엇을 의미합니까? PHP가 유니코드 인코딩을 지원하지 않는다고 말하는 이유는 무엇입니까?

PHP가 유니코드를 지원하지 않거나 PHP가 하위 수준에서 유니코드를 지원하지 않는다는 주장을 자주 봅니다. PHP 인코딩이 매우 고통스럽고 다양한 문자열 처리 기능이 매우 비표준적이라는 것을 알고 있지만 여전히 중국어를 표시할 수 있다는 것이 유니코드를 지원하지 않는다는 것이 무엇을 의미하는지 이해하지 못했습니다. 이 정보를 분류하는 데 시간을 보냈습니다.

예를 들어 보겠습니다.

PHP 스크립트는 파일 인코딩이 UTF-8이라고 가정하면 다음과 같습니다.

//文件编码UTF-8
echo strlen("中文"); // 6
echo substr("中文",0,1) // 乱码
echo substr("中文",0,3) // 中

이상하게 보면 한자를 3자로 간주하는 것 같습니다. . 이는 PHP의 문자열 저장으로 시작됩니다.

다음과 같이 요약했습니다.

PHP 문자열은 바이트 배열로 구성됩니다. 즉, C 언어의 char a[3] = "abc"와 유사하게 한 문자가 1바이트를 차지합니다.

또한 텍스트 저장을 위한 인코딩 정보가 없습니다. 이는 PHP가 이러한 문자열의 바이너리 데이터가 어떤 인코딩에 대응해야 하는지 알 수 없음을 의미합니다.

한 단계 더 나아가, PHP는 스크립트 파일의 인코딩에 따라 문자열의 인코딩을 결정합니다. 예: $string = "중국어";, 스크립트 파일이 UTF-8인 경우 중국어 UTF-8 인코딩: E4B8ADE69687이 저장됩니다.

또한 앞서 언급했듯이 PHP는 문자열의 인코딩 정보를 저장하지 않습니다. 따라서 중국어가 E4B8ADE69687로 저장되더라도 문자열 네이티브 함수의 관점에서는 단지 이진수 문자열일 뿐입니다. 따라서 PHP 기본 문자열 함수는 단일 바이트 문자에서만 작동할 수 있습니다! 바이트를 문자로 취급하십시오!

위 내용을 이해하셨다면 위의 코드 예시도 자연스럽게 이해되실 겁니다:

//文件编码UTF-8
echo bin2hex("中文"); // 可以看到,"中文"对应的二进制就是:e4b8ade69687
echo strlen("中文"); // 所以按照单字节来统计长度,就是6 
echo substr("中文",0,1) // 取0到1个字节,也就是e4,并不对应某个字符的编码,所以乱码
echo substr("中文",0,3) // 取0到3个字节,刚好把`中`的编码取出来

마찬가지로 파일 인코딩을 GBK나 다른 것으로 변경한다면, GBK가 중국어라는 점만 빼면 추가 실험을 통해 비슷한 결과를 얻을 수 있을 것입니다. 문자는 2바이트를 차지합니다.

이제 기본적으로 PHP의 하위 계층이 유니코드를 지원하지 않는다는 것을 알 수 있습니다. 요약하면 다음과 같습니다.

PHP 문자열은 문자의 인코딩 정보를 저장하지 않으므로 기본 작업 기능은 무엇을 해야할지 알 수 없습니다. 텍스트에 해당하는 경우에는 한 문자가 단일 바이트에 해당한다고 [가정]될 수 있습니다. 이는 영어나 기타 ASCII 코드를 처리할 때는 충분하지만, 중국어나 기타 [멀티바이트 문자]의 경우에는 오류가 발생합니다.

반면에 유니코드를 지원하는 소위 기본 언어를 살펴보면

var string = "中文"
console.log(string.length); // 2
string.substr(0,1) // 中

JS에서는 멀티바이트 문자를 올바르게 인식하고 처리할 수 있는 것을 볼 수 있습니다. 즉, 저장할 때 텍스트의 인코딩 정보도 함께 저장됩니다. (여기에는 텍스트의 유니코드 값이 저장되는 것 같은데 JS의 기본 원리를 이해하지 못하기 때문에 잘 모르겠습니다.)

그러면 여기서 질문이 있습니다. 어떻게 멀티바이트 문자를 올바르게 처리할 수 있습니까? PHP로? 대답은 mbstring 확장입니다(자세한 내용은 http://php.net/manual/zh/book.mbstring.php 참조). 소위 mbstring은 멀티바이트 문자열, 멀티바이트 문자열입니다.

이 확장 세트에는 멀티바이트 문자를 올바르게 처리하는 데 사용할 수 있는 기본 문자열 함수에 해당하는 일련의 함수가 있습니다. 예를 들면 다음과 같습니다. strlen은 mb_strlen에 해당합니다... 이러한 해당 함수 중에서는 일반적으로 추가적인 선택적 매개변수인 인코딩이 있다는 점을 제외하면 기본적으로 기본 함수와 동일합니다.

예:

// 脚本类型为UTF-8
echo strlen("中文"); // 6
echo mb_strlen("中文","UTF-8"); //2  使用mb_strlen ,并传入编码 utf-8, 就会把二进制E4B8ADE69687当做utf-8的处理能正确处理
echo mb_strlen("中文"); //2  如果不传编码UTF-8,则函数会自动确定编码,文档说:如果省略,则使用内部字符编码。所以这里也当做UTF-8来处理。
echo mb_strlen("中文","GBK"); //3,如果传入编码GBK,则:e4b8ade69687会被当做gbk来处理,一个gbk字符占2字节,所以为:3

추천 학습: "PHP 비디오 튜토리얼"

위 내용은 PHP가 유니코드를 지원하지 않는다는 것은 무엇을 의미합니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

성명:
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.