安全地使用UTF-8字符串的strpos？

我有一堆字符串與不同的字符集。變量$charset包含當前字符串的字符集。安全地使用UTF-8字符串的strpos？

$content = iconv($charset, 'UTF-8', $content);

完成這一操作，是可以安全使用的strpos，strlen，substr諸如此類，而不是他們多字節等同？我問這個，因爲我也使用preg_match。因此，如果我使用PREG_OFFSET_CAPTURE來獲取字符串中單詞的位置，我不能使用該值與mb_substr來刪除單詞前的所有內容。

來源

2013-07-31 Daniel Tovesson

這完全取決於你想要做什麼。核心strlen和類似的功能在字節上工作。他們接受並返回的每個數字都是一個字節計數或字節偏移量。 mb_ *函數在字符上工作，可識別編碼。他們接受並返回的所有數字都是字符數或偏移量。

如果您有一種安全的方法來獲取字符串中的字節偏移量（「安全」意味着偏移量不在多字節字符的中間），然後例如使用substr裁剪該偏移量之前的所有內容，這將工作得很好。例如：

$str  = '漢字'; 
$offset = strpos($str, '字'); 
$cropped = substr($str, $offset);

工作正常。

然而，這是不行的：

$cropped = substr($str, $offset, 1);

你不能安全地切割出一個字節不運行切成多字節字符的風險。

來源

2013-07-31 17:50:22 deceze

所以，如果我通過使用'prey_match'來獲得單詞的位置，你可以說這是一種「安全」的方式？意思是不可能切成多字節字符。 –

是的，如果你得到一個字符的位置作爲字節偏移量，並在那個點和其他地方完全切斷，那麼在UTF-8編碼中這是一個安全的操作。 – deceze

函數像strlen（）計數字節，而不是字符。

看到PHP Manual筆記的詳細信息：

注：

的strlen（）返回的字節數，而不是字符的字符串中的數量。

使用mb_*功能，如果你使用UTF-8的工作，除非你有啓用重載標準吊索（php.ini中mbstring.func_overload），strlen的（），SUBSTR（）等函數..然後strlen（）會計算字符數

來源

2013-07-31 17:33:54

但是如果我用'preg_match'和'PREG_OFFSET_CAPTURE'來找到一個單詞並且我得到多個匹配，我該怎麼辦？我想使用'mb_substr'去除單詞前的所有內容。它不修剪字符串，如果它是UTF-8字符之前的字符，因爲'preg_match'在我的情況下得到一個不正確的位置。 –

如果您正在使用preg_match（），請將其與multibyte/u限定符一起使用;並希望你有一個支持多字節字符集的pcre版本 –

安全地使用UTF-8字符串的strpos？

回答

相關問題