PHP 汉字字符串相关处理


汉字与数字和英文字母在PHP中的区别还是挺大的，下面讲一下。

正文

汉字与数字和英文字母在PHP中的区别还是挺大的，数字和英文字母占一个字节，汉字占两个字节， 所以PHP对汉字需要特殊处理。

如截取字符串长度，数字和英文字母用substr(),汉字要用mb_substr()； 如计算字符串长度，数字和英文字母用strlen(),汉字要用mb_strlen()；

使用时，我们要安装 mbstring拓展 。mbstring 不是一个默认扩展，这意味着它默认没有被激活。

如果对一个包含汉字的字符串截取用了substr()，可能导致意想不到的错误，如：

$str = 'a一二三四五六七';
$str2 = $res1 = substr($str, 0, 1);
$res2 = json_encode($str2);

echo $res1 .'\n';  // a
echo $res2 .'\n';  // a

$str = 'a一二三四五六七';
$str2 = $res1 = substr($str, 0, 2);
$res2 = json_encode($str2);

echo $res1 .'\n';  // a�
echo $res2 .'\n';  // 为空

$str = 'a一二三四五六七';
$str2 = $res1 = substr($str, 0, 3);
$res2 = json_encode($str2);

echo $res1 .'\n';  // a��
echo $res2 .'\n';  // 为空

$str = 'a一二三四五六七';
$str2 = $res1 = substr($str, 0, 4);
$res2 = json_encode($str2);

echo $res1 .'\n';  // a一
echo $res2 .'\n';  // "a\u4e00"

这里json_encode()后，你就能看到意向之外的结果。所以中文专用的字符处理函数，如：

$str = 'a一二三四五六七';
$str2 = $res1 = mb_substr($str, 0, 1);
$res2 = json_encode($str2);

echo $res1 .'\n';  // a
echo $res2 .'\n';  // a

$str = 'a一二三四五六七';
$str2 = $res1 = mb_substr($str, 0, 2);
$res2 = json_encode($str2);

echo $res1 .'\n';  // a一
echo $res2 .'\n';  // "a\u4e00"

$str = 'a一二三四五六七';
$str2 = $res1 = mb_substr($str, 0, 3);
$res2 = json_encode($str2);

echo $res1 .'\n';  // a一二
echo $res2 .'\n';  // "a\u4e00\u4e8c"

json_encode()，对不认识的符号不能处理，会返回false。

对变量进行 JSON 编码：

json_encode ( mixed $value , int $options = 0 , int $depth = 512 ) : string|false

返回字符串，包含了 value 值 JSON 形式的表示，编码受传入的 options 参数影响，此外浮点值的编码依赖于 serialize_precision。 成功则返回 JSON 编码的 string 或者在失败时返回 false 。

参数：

value
    待编码的 value ，除了 资源(resource) 类型之外，可以为任何数据类型。
    所有字符串数据的编码必须是 UTF-8。 
    
options
    由以下常量组成的二进制掩码： JSON_FORCE_OBJECT, JSON_HEX_QUOT, JSON_HEX_TAG, JSON_HEX_AMP, JSON_HEX_APOS, 
    JSON_INVALID_UTF8_IGNORE, JSON_INVALID_UTF8_SUBSTITUTE, JSON_NUMERIC_CHECK, JSON_PARTIAL_OUTPUT_ON_ERROR, 
    JSON_PRESERVE_ZERO_FRACTION, JSON_PRETTY_PRINT, JSON_UNESCAPED_LINE_TERMINATORS, JSON_UNESCAPED_SLASHES, 
    JSON_UNESCAPED_UNICODE, JSON_THROW_ON_ERROR 等。

depth
    设置最大深度。 必须大于0。

第二个参数$options，编码时的一些指定作用，举几个常用的：

JSON_UNESCAPED_SLASHES (int)    不要编码 /。 自 PHP 5.4.0 起生效。 
JSON_UNESCAPED_UNICODE (int)    以字面编码多字节 Unicode 字符（默认是编码成 \uXXXX）。 自 PHP 5.4.0 起生效。
JSON_HEX_TAG (int)    所有的 < 和 > 转换成 \u003C 和 \u003E。 自 PHP 5.3.0 起生效。 
JSON_HEX_AMP (int)    所有的 & 转换成 \u0026。 自 PHP 5.3.0 起生效。 
JSON_HEX_APOS (int)    所有的 ' 转换成 \u0027。 自 PHP 5.3.0 起生效。 
JSON_HEX_QUOT (int)    所有的 " 转换成 \u0022。 自 PHP 5.3.0 起生效。 
JSON_FORCE_OBJECT (int)    使一个非关联数组输出一个类（Object）而非数组。 在数组为空而接受者需要一个类（Object）的时候尤其有用。 自 PHP 5.3.0 起生效。

更过见 JSON预定义常量 .

第三个参数$depth深度，默认是512：

// 数组深度为2
$array = [
      'a' => '"\/hello',
      'b' => '\world',
      'c' => '/php_json_decode',
      'd' => [
              1 => '"\/php',
              2 => '//\js',
              3 => 'python',
              4 => 'golang'
      ]
  ];
 
var_dump(json_encode($array,0,1));  // bool(false)
 
 
var_dump(json_encode($array,0,2));
// string(120) "{"a":"\"\\\/hello","b":"\\world","c":"\/php_json_decode","d":{"1":"\"\\\/php","2":"\/\/\\js","3":"python","4":"golang"}}"
 
var_dump(json_encode($array,0,3));
// string(120) "{"a":"\"\\\/hello","b":"\\world","c":"\/php_json_decode","d":{"1":"\"\\\/php","2":"\/\/\\js","3":"python","4":"golang"}}"
 
var_dump(json_encode($array,0,4));
// string(120) "{"a":"\"\\\/hello","b":"\\world","c":"\/php_json_decode","d":{"1":"\"\\\/php","2":"\/\/\\js","3":"python","4":"golang"}}"
 
 
// 数组深度为3
$array = [
      'a' => '"\/hello',
        'b' => '\world',
        'c' => '/php_json_decode',
      'd' => [
              1 => '"\/php',
              2 => '//\js',
              3 => 'python',
              4 => 'golang'
      ],
      'e' => [
              'xxx' => [
                    'hello' => 'world'
              ]
      ]
  ];

var_dump(json_encode($array,0,1));
// bool(false)

var_dump(json_encode($array,0,2));
// bool(false)

var_dump(json_encode($array,0,3));
// string(150) "{"a":"\"\\\/hello","b":"\\world","c":"\/php_json_decode","d":{"1":"\"\\\/php","2":"\/\/\\js","3":"python","4":"golang"},"e":{"xxx":{"hello":"world"}}}"

var_dump(json_encode($array,0,4));
// string(150) "{"a":"\"\\\/hello","b":"\\world","c":"\/php_json_decode","d":{"1":"\"\\\/php","2":"\/\/\\js","3":"python","4":"golang"},"e":{"xxx":{"hello":"world"}}}"

depth的值小于数组的维度的话会输出bool(false)，反之正常解析成json串。



插一句题外话，对于换行：

Unix和Linux用的是 \n

Mac用的是 \r

Windows用的是 \r\n

可以发现还有一个新的大操作系统的机会：\n\r

^_-






参考资料

PHP 手册 函数参考 国际化与字符编码支持 多字节字符串 https://www.php.net/manual/zh/book.mbstring.php

http://www.php.net/manual/zh/function.mb-substr.php

http://www.php.net/mb_strlen

http://php.net/manual/en/function.json-encode.php

http://www.dooccn.com/php7/

http://www.w3school.com.cn/php/php_ref_string.asp

http://www.runoob.com/php/php-ref-string.html

PHP json_encode函数的参数说明 https://blog.csdn.net/it_r00t/article/details/83993809

PHP 手册 函数参考 其它基本扩展 JSON 预定义常量 https://www.php.net/manual/zh/json.constants.php

返回