PHP中的字符串处理 - str函数与mb函数

我们知道在PHP中有两大类函数用来处理字符串的
1、str开头的
2、mb开头的函数

我们最先接触的是str函数，所以不可避免在工作中会优先使用str函数，但是仔细研究就会发现大部分str函数操作的是字节数组，虽然字符串也是由多个字节组成的字节数组，但是对于多字节的字符，在处理上却不是很好。

// utf-8编码
$string = 'rxy中国';

1、strlen — 获取字符串长度
实际上这个描述是错的，因为官方有一个提示

Note:
strlen() returns the number of bytes rather than the number of characters in a string.

所以strlen的真正描述是：获取字符串的字节长度。

echo strlen($string); // 9

在unicode字符集中utf-8编码规则下，一个中文占三个字节。

2、substr — 返回字符串的子串
它的真实含义是截取字符串对应的字节数组。

echo substr($string, 0, 4); // rxy�

因为在unicode字符集中找不到对应的字符，所以操作系统也就无法正常显示。

3、访问指定位上的字符
既然字符串是一个字节数组，那么也就可以以数组的方式访问某个字节元素了。

echo $string[0]; // r
echo $string[3]; // �
echo $string[4]; // �
echo $string[5]; // �
echo $string[3] . $string[4] . $string[5]; // 中

由以上三个例子可以看出，str系列函数是偏向于字节数组的操作，而不适合我们常用的场景，当然str还有一些函数就不存在这样的情况，比如

str_replace — 子字符串替换
单纯的匹配和替换，不用关心某个字符是不是多字节字符，因此不受影响。

以上列出的只是小部分函数，其他的str函数，根据其定义就可以判断出是否适合使用。

相比之下mb函数则更适合用作字符串处理。它使用unicode字符集为基准，以utf-8编码作为规则来处理字符串。

针对上面的问题，采用mb函数来处理：

//获取字符串长度
echo mb_strlen($string); // 5
//截取字符串
echo mb_substr($string, 0, 4); // rxy中
//获取指定位置上的字符
echo mb_substr($string, 0, 1) // r
echo mb_substr($string, 3, 1) // 中