php - strpos 在 PHP 中搜索 unicode(并处理内联 UTF-8)

Question

我在处理简单搜索另一个字符串(干草堆)中的两个字符 unicode 字符串(针)时遇到问题，该字符串可能是也可能不是 UTF-8

部分问题是我不知道如何指定在 strpos 中使用的代码，并且我不知道 PHP 是否必须在对代码的任何特殊支持的情况下进行编译，或者如果我必须使用我试图避免的 mb_strpos，因为它也可能不可用。

即。例如针是U+56DE U+590D(没有空格)

使用 preg_match 可能是 preg_match("@\x{56DE}\x{590D}@",$haystack) 但这实际上需要 @u ，它可能不可用，并且我得到一个 Compilation failed: character value in\x{...}equence is太大 无论如何。 p>

无论如何我都不想使用 preg_match，因为它可能比 strpos 慢得多(还有其他序列需要搜索)。

我可以将 U+56DE U+590D 转换为其单字节序列(可能是 5-6 个字符)，然后通过 strpos 搜索它吗？我不能如果是的话，弄清楚如何将其转换为字节。

如何在 PHP 中指定内联 unicode？我的意思是在 PRCE 之外？

$blah="\u56DE\u590D"; 不起作用？

感谢您的任何想法!

Answer 1

首先，你的问题结构很糟糕。它在几个点上有几个问题。如果您使用更清晰的结构，您可能会得到更多答案:1)描述您想要完成的任务，2)限制/要求，3)您考虑的策略，4)您发现这种策略的困难/有没有更好的。

也就是说，我将从最后开始:

$blah="\u56DE\u590D"; doesn't work?

没有。该语言对 unicode 一无所知。在 PHP 中，字符串是字节数组。因此，如何在 PHP 脚本中表达 unicode 代码点取决于您要使用的编码。对于 UTF-8，它将是 "\xE5\x9B\x9E\xE5\xA4\x8D" ，对于 UTF-16 大端字节序将是 "\x56\xDE\x59\x0D" ，等等。

Can I convert U+56DE U+590D into its single byte sequence (possibly 5-6 characters) and then search for it via strpos? I can't figure out how to convert it to bytes if so.

对于第一部分，是的，即转换 U+56DE U+590D转换为字节，需要澄清。这些是 UTF-16 代码单元还是 Unicode 代码点？例如，𪛖怎么样？代表？ U+D869 U+uDED6或U+2A6D6 ？如果它们是 unicode 代码单元，那么将它们编码为 UTF-16 就很简单了。对于 UTF-16 大端字节序，它只是 "\x56\xDE\x59\x0D" 。否则，将它们编码为 UTF-32 仍然很简单，但在 UTF-16(或 UTF-8)中执行相同操作则需要更多工作。

对于第二部分，请继续阅读。

Part of the problem is I don't know how to specify the code for use in strpos, and I don't know if PHP has to be compiled with any special support for the code, or if I have to use mb_strpos which I am trying to avoid since it also might not be available.

你想做什么？为什么需要查找字符串中的位置？ strpos将为您提供给定字符串的字节偏移量(同样以二进制形式解释)。你想剪断一根绳子吗？ strpos (甚至 mb_strpos )在 Unicode 中意味着麻烦 - 一个字形可以由多个代码单元构成，因此您可能会冒着剪切部分字形的风险。除非你说出你想做什么，否则我无法给你更多建议。