PHP中的多字節修剪？

Question

顯然mb_* family中沒有mb_trim，所以我試圖爲我自己實現一個。

我最近發現這個表達式在評論中php.net：

/(^\s+)|(\s+$)/u 

所以，我會實現它的方式如下：

function multibyte_trim($str) 
{ 
    if (!function_exists("mb_trim") || !extension_loaded("mbstring")) { 
     return preg_replace("/(^\s+)|(\s+$)/u", "", $str); 
    } else { 
     return mb_trim($str); 
    } 
} 

正則表達式似乎是正確的我，但我對正則表達式極其低調。這將有效地刪除任何 Unicode空間在字符串的開始/結束？

Answer 1

標準trim函數可以修剪少量的空格和空格字符。這些被定義爲ASCII字符，這意味着某些特定的字節從0到0100 0000。

正確 UTF-8輸入將永遠不會包含由字節0xxx xxxx組成的多字節字符。 正確的所有字節 UTF-8多字節字符以1xxx xxxx開頭。

這意味着在正確的 UTF-8序列中，字節0xxx xxxx只能引用單字節字符。因此，PHP的trim函數將永遠不會修剪掉「半個字符」假設你有一個適當的 UTF-8序列。 （非常非常careful about improper UTF-8 sequences。）

---

的\s的ASCII正則表達式將主要匹配相同的字符，trim。

的preg功能與/u修飾符僅適用於utf-8編碼的正則表達式和/\s/u比賽也是UTF8的nbsp。這種行爲與不間斷空格是使用它的唯一好處。

如果您要替換其他非ASCII兼容編碼中的空格字符，那麼這兩種方法都不起作用。

換句話說，如果您試圖修剪常用空格的ASCII兼容字符串，請使用trim。使用/\s/u時請注意文字的含義。

---

保重：

$s1 = html_entity_decode(" Hello   "); // the NBSP 
    $s2 = " exotic test ホ "; 

    echo "\nCORRECT trim: [". trim($s1) ."], [". trim($s2) ."]"; 
    echo "\nSAME: [". trim($s1) ."] == [". preg_replace('/^\s+|\s+$/','',$s1) ."]"; 
    echo "\nBUT: [". trim($s1) ."] != [". preg_replace('/^\s+|\s+$/u','',$s1) ."]"; 

    echo "\n!INCORRECT trim: [". trim($s2,' ') ."]"; // DANGER! not UTF8 safe! 
    echo "\nSAFE ONLY WITH preg: [". 
     preg_replace('/^[\s]+|[\s]+$/u', '', $s2) ."]"; 

Answer 2

我不知道你想用你定義的無限遞歸函數做什麼，但如果你只是想要一個多字節安全的修剪，這將工作。

function mb_trim($str) { 
    return preg_replace("/(^\s+)|(\s+$)/us", "", $str); 
} 

Answer 3

mb_ereg_replace似乎要解決這個問題：

function mb_trim($str,$regex = "(^\s+)|(\s+$)/us") { 
    return mb_ereg_replace($regex, "", $str); 
} 

..但我不知道有足夠的瞭解正則表達式來知道你的」然後添加人們期望能夠饋送到trim（）的「charlist」參數 - 即修剪的字符列表 - 所以剛剛將正則表達式作爲參數。

這可能是因爲你可能有一個特殊字符數組，然後遍歷charlist中的每個字符並在構建正則表達式字符串時相應地轉義它們。

Answer 4

你也可以在UTF-8字符串修剪非ASCII兼容的空間（例如非換空間）與preg_replace('/^\p{Z}+|\p{Z}+$/u','',$str);

\s只會甚至與u修改匹配「ASCII兼容」空格字符。
但\p{Z}會匹配所有已知的Unicode空格字符

Answer 5

該版本支持第二個可選參數$ charlist：

function mb_trim ($string, $charlist = null) 
{ 
    if (is_null($charlist)) { 
     return trim ($string); 
    } else { 
     $charlist = str_replace ('/', '\/', preg_quote ($charlist)); 
     return preg_replace ("/(^[$charlist]+)|([$charlist]+$)/us", '', $string); 
    } 
} 

不支持「」的範圍雖然。

Answer 6

好吧，我拿了@ edson-medina的解決方案，修正了一個bug並添加了一些單元測試。以下是我們用來給MB對手修剪，rtrim和ltrim的3個函數。

//////////////////////////////////////////////////////////////////////////////////// 
//Add some multibyte core functions not in PHP 
//////////////////////////////////////////////////////////////////////////////////// 
function mb_trim($string, $charlist = null) { 
    if (is_null($charlist)) { 
     return trim($string); 
    } else { 
     $charlist = preg_quote($charlist, '/'); 
     return preg_replace("/(^[$charlist]+)|([$charlist]+$)/us", '', $string); 
    } 
} 
function mb_rtrim($string, $charlist = null) { 
    if (is_null($charlist)) { 
     return rtrim($string); 
    } else { 
     $charlist = preg_quote($charlist, '/'); 
     return preg_replace("/([$charlist]+$)/us", '', $string); 
    } 
} 
function mb_ltrim($string, $charlist = null) { 
    if (is_null($charlist)) { 
     return ltrim($string); 
    } else { 
     $charlist = preg_quote($charlist, '/'); 
     return preg_replace("/(^[$charlist]+)/us", '', $string); 
    } 
} 
//////////////////////////////////////////////////////////////////////////////////// 

這裏的單元測試中，我寫了有興趣的人：

public function test_trim() { 
    $this->assertEquals(trim(' foo '), mb_trim(' foo ')); 
    $this->assertEquals(trim(' foo ', ' o'), mb_trim(' foo ', ' o')); 
    $this->assertEquals('foo', mb_trim(' Åfooホ ', ' Åホ')); 
} 

public function test_rtrim() { 
    $this->assertEquals(rtrim(' foo '), mb_rtrim(' foo ')); 
    $this->assertEquals(rtrim(' foo ', ' o'), mb_rtrim(' foo ', ' o')); 
    $this->assertEquals('foo', mb_rtrim('fooホ ', ' ホ')); 
} 

public function test_ltrim() { 
    $this->assertEquals(ltrim(' foo '), mb_ltrim(' foo ')); 
    $this->assertEquals(ltrim(' foo ', ' o'), mb_ltrim(' foo ', ' o')); 
    $this->assertEquals('foo', mb_ltrim(' Åfoo', ' Å')); 
}