php 字节分割,【转载】PHP 自定义切割多字节字符串

需求

如果需要将可能含有中文的字符串进行拆分成数组，我们下面以 utf-8 编码为例。

解决方案一

我习惯的方法可能是：

假如我们没装mb扩展怎么办？

解决方案二

今天看到一份代码，别人是这么写的：

代码解读

strlen 计算的是字节数，而直接使用 $str[x] 就沿用了 c 语言里面char数组和字符串的习惯，表示按字节来读取 $str，也就是说每次读取的数据的ascii码值不可能大于255。而 php 里使用 ord 来获取 ascii 码值。

切割规则如下

ascii 码范围

切割偏移量

0 ~ 127

1 字节

192 ~ 223

2 字节

224 ~ 239

3 字节

240 ~ 247

4 字节

为什么呢？

http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html

https://segmentfault.com/a/1190000012692022

口语化叙述 utf-8 的来历

Unicode

Unicode 只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。

UTF-8

UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式。UTF-8 最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

UTF-8 的编码规则很简单，只有二条：

对于单字节的符号，字节的第一位设为0，后面7位为这个符号的 Unicode 码。因此对于英语字母，UTF-8 编码和 ASCII 码是相同的(能容纳0~127)。

对于n字节的符号(n > 1)，第一个字节的前n位都设为1，第n + 1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的 Unicode 码。

下表总结了编码规则，字母x表示可用编码的位:

Unicode 符号范围(十六进制)

UTF-8 编码方式(二进制)

UTF-8 首字节范围

0000 0000-0000 007F

0xxxxxxx

0 ~ 127

0000 0080-0000 07FF

110xxxxx 10xxxxxx

(128+64) ~ (255-32) 也就是 192 ~ 223

0000 0800-0000 FFFF

1110xxxx 10xxxxxx 10xxxxxx

(128+64+32) ~ (255-16) 也就是 224 ~ 239

0001 0000-0010 FFFF

11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

(128+64+32+16) ~ (255-8) 也就是 240 ~ 247

想必看了这个表，大家就能明白了吧。

本文作者： chenishr

本文标题：《【转载】PHP 自定义切割多字节字符串》

©版权所有,除非注明,

永在路上文章均为原创,转载请以链接形式注明出处和作者细信息。