Analyser une chaîne multi-octets en PHP

Question

Je voudrais écrire un analyseur (HTML) basé sur une machine d'état mais j'ai des doutes sur la façon de lire/utiliser une entrée. J'ai décidé de charger l'ensemble de l'entrée dans une chaîne, puis de travailler avec elle comme avec un tableau et de maintenir son index comme position d'analyse courante.

Il n'y aurait pas de problème avec le codage mono-octet, mais dans le codage multi-octets, chaque valeur ne représente pas un caractère, mais un octet d'un caractère.

Exemple:

$mb_string = 'žščř'; //4 multi-byte characters in UTF-8 

for($i=0; $i < 4; $i++) 
{ 
    echo $mb_string[$i], PHP_EOL; 
} 

Sorties:

Ĺ 
ž 
Ĺ 
Ą 

Cela signifie que je ne peux pas itérer la chaîne dans une boucle pour vérifier des caractères simples, parce que je ne sais jamais si je suis en au milieu d'un personnage ou non.

Ainsi, les questions sont les suivantes:

• Comment lire un seul caractère sécurité I multi-octets d'une chaîne d'une manière amicale performance ?
• Est-ce une bonne idée de travailler avec la chaîne car c'était un tableau dans ce cas ?
• Comment lire l'entrée?

Answer 1

http://php.net/mb_string est la chose que vous cherchez

• caractères juste mb_substr un par un
• pas jusqu'à ce que PHP6
• quelle entrée exactement? La manière habituelle en général

Answer 2

mb_internal_encoding("UTF-8"); 

$mb_string = 'žščř'; 

$l=mb_strlen($mb_string); 

for($i=0;$i<$l;$i++){ 
    print(mb_substr($mb_string,$i,1)."<br/>"); 
} 

Answer 3

sans utiliser les mdb_relatedFunctions et avec des chaînes codées multi-octets, vous pouvez utiliser les fonctions standard de chaîne de sous lesquelles on pouvait lire en multiples des octets utilisés pour l'encodage.

Par exemple, pour un codage UTF-8 (2 octets) chaîne si vous avez besoin du premier caractère de la chaîne

$string = 'žščř'; //4 multi-byte characters in UTF-8 

Vous devez obtenir la chaîne de $ [0] et $ string valeurs [1] , donc vous recherchez réellement la sous-chaîne entre les index 0 et 1 (pour le premier caractère).

Notez que $ string [0] ou $ string [N] fera référence à la première (ou Nième octet de la chaîne multi-octets)

salutations