我想確保我正在運行的一些字符串替換是多字節安全的。我在網絡上發現了一些mb_str_replace函數,但它們很慢。在通過500-900字節之後,我會說增加20%。mb_str_replace()...很慢。任何替代品?
有什麼建議嗎?我正在考慮使用preg_replace,因爲它是原生的並且被編譯進來,所以它可能會更快。任何想法將不勝感激。
我想確保我正在運行的一些字符串替換是多字節安全的。我在網絡上發現了一些mb_str_replace函數,但它們很慢。在通過500-900字節之後,我會說增加20%。mb_str_replace()...很慢。任何替代品?
有什麼建議嗎?我正在考慮使用preg_replace,因爲它是原生的並且被編譯進來,所以它可能會更快。任何想法將不勝感激。
正如所說的there,只要所有參數都是utf-8有效,就可以安全地在utf-8上下文中使用str_replace,因爲這兩個多字節編碼字符串之間不會有任何模糊的匹配。如果你檢查輸入的有效性,那麼你不需要尋找一個不同的功能。
如果您使用unicode並關心[unicode equivalence](http://en.wikipedia.org/wiki/Unicode_equivalence),這是錯誤的。在unicode中,幾個不同的字節序列可以表示相同的字符。如果你首先規範化你的兩個字符串,那麼使用'str_replace'只會** **。 – Qtax 2014-01-22 10:52:43
好的提示,無論如何,我對「多字節安全」的理解是「他們不會在匹配時給出任何錯誤肯定」,實際上意味着他們不會根據替換的期望來破壞輸出信息。 – 2014-01-24 21:12:04
查詢提供的鏈接 – Trix 2017-05-15 06:27:28
由於編碼是來自任何地方(utf8或其他)的輸入的真正挑戰,我更喜歡只使用多字節安全函數。對於str_replace
,我使用的是this one,它足夠快。
if (!function_exists('mb_str_replace'))
{
function mb_str_replace($search, $replace, $subject, &$count = 0)
{
if (!is_array($subject))
{
$searches = is_array($search) ? array_values($search) : array($search);
$replacements = is_array($replace) ? array_values($replace) : array($replace);
$replacements = array_pad($replacements, count($searches), '');
foreach ($searches as $key => $search)
{
$parts = mb_split(preg_quote($search), $subject);
$count += count($parts) - 1;
$subject = implode($replacements[$key], $parts);
}
}
else
{
foreach ($subject as $key => $value)
{
$subject[$key] = mb_str_replace($search, $replace, $value, $count);
}
}
return $subject;
}
}
這裏是我的實現,基於斷Alain's answer:
/**
* Replace all occurrences of the search string with the replacement string. Multibyte safe.
*
* @param string|array $search The value being searched for, otherwise known as the needle. An array may be used to designate multiple needles.
* @param string|array $replace The replacement value that replaces found search values. An array may be used to designate multiple replacements.
* @param string|array $subject The string or array being searched and replaced on, otherwise known as the haystack.
* If subject is an array, then the search and replace is performed with every entry of subject, and the return value is an array as well.
* @param string $encoding The encoding parameter is the character encoding. If it is omitted, the internal character encoding value will be used.
* @param int $count If passed, this will be set to the number of replacements performed.
* @return array|string
*/
public static function mbReplace($search, $replace, $subject, $encoding = 'auto', &$count=0) {
if(!is_array($subject)) {
$searches = is_array($search) ? array_values($search) : [$search];
$replacements = is_array($replace) ? array_values($replace) : [$replace];
$replacements = array_pad($replacements, count($searches), '');
foreach($searches as $key => $search) {
$replace = $replacements[$key];
$search_len = mb_strlen($search, $encoding);
$sb = [];
while(($offset = mb_strpos($subject, $search, 0, $encoding)) !== false) {
$sb[] = mb_substr($subject, 0, $offset, $encoding);
$subject = mb_substr($subject, $offset + $search_len, null, $encoding);
++$count;
}
$sb[] = $subject;
$subject = implode($replace, $sb);
}
} else {
foreach($subject as $key => $value) {
$subject[$key] = self::mbReplace($search, $replace, $value, $encoding, $count);
}
}
return $subject;
}
他不接受字符編碼,但我想你可以通過mb_regex_encoding
設置。
我的單元測試都通過了:
function testMbReplace() {
$this->assertSame('bbb',Str::mbReplace('a','b','aaa','auto',$count1));
$this->assertSame(3,$count1);
$this->assertSame('ccc',Str::mbReplace(['a','b'],['b','c'],'aaa','auto',$count2));
$this->assertSame(6,$count2);
$this->assertSame("\xbf\x5c\x27",Str::mbReplace("\x27","\x5c\x27","\xbf\x27",'iso-8859-1'));
$this->assertSame("\xbf\x27",Str::mbReplace("\x27","\x5c\x27","\xbf\x27",'gbk'));
}
你需要給更多的信息。什麼是替換字符串和主題的編碼?如果主題是UTF-8,並且替換字符串在ASCII範圍內,則可以使用'str_replace'。 – Artefacto 2010-08-15 23:46:33
Unicode已經存在了,15年了,現在呢?仍在使用核心內部循環中的mb字符串?從內到外工作。 – 2010-08-16 00:18:32