PHP 高級面試題 - 若是沒有 mb 系列函數，如何切割多字節字符串

原文請關注個人博客 https://mengkang.net/1129.html
不少工程師在工做1~3年的時候最容易遇到瓶頸，不知道本身應該學習什麼，面試老是吃閉門羹。那麼 PHP 後面應該怎麼學呢？ 安利一波個人系列直播 PHP 進階之路

需求

若是須要將可能含有中文的字符串進行拆分紅數組，咱們下面以 utf-8 編碼爲例。

解決方案一

我習慣的方法多是：

mb_internal_encoding("UTF-8");

$str = "周夢康";

$array = [];
for ($i=0,$l = mb_strlen($str); $i < $l; $i++) { 
    array_push($array, mb_substr($str, $i, 1, "utf-8"));
}

var_export($array);

假如咱們沒裝mb擴展怎麼辦？

解決方案二

今天看到一份代碼，別人是這麼寫的：

function str_split_utf8($str)  
{  
    $split = 1;  
    $array = array();  
    for ($i = 0; $i < strlen($str);) {  
        $value = ord($str[$i]);  
        if ($value > 127) {  
            if ($value >= 192 && $value <= 223) {  
                $split = 2;  
            } elseif ($value >= 224 && $value <= 239) {  
                $split = 3;  
            } elseif ($value >= 240 && $value <= 247) {  
                $split = 4;  
            }  
        } else {  
            $split = 1;  
        }  
        $key = null;  
        for ($j = 0; $j < $split; $j++, $i++) {  
            $key .= $str[$i];  
        }  
        array_push($array, $key);  
    }  
    return $array;  
}

代碼解讀

strlen計算的是字節數，而直接使用$str[x]就沿用了c語言裏面char數組和字符串的習慣，表示按字節來讀取$str，也就是說每次讀取的數據的ascii碼值不可能大於255。而php裏使用ord來獲取ascii碼值。

切割規則以下

ascii 碼範圍	切割偏移量
0 ~ 127	1 字節
192 ~ 223	2 字節
224 ~ 239	3 字節
240 ~ 247	4 字節

爲何呢？

http://www.ruanyifeng.com/blo...
https://segmentfault.com/a/11... 口語化敘述 utf-8 的來歷

Unicode

Unicode 只是一個符號集，它只規定了符號的二進制代碼，卻沒有規定這個二進制代碼應該如何存儲。

UTF-8

UTF-8 就是在互聯網上使用最廣的一種 Unicode 的實現方式。UTF-8 最大的一個特色，就是它是一種變長的編碼方式。它可使用1~4個字節表示一個符號，根據不一樣的符號而變化字節長度。

UTF-8 的編碼規則很簡單，只有二條：

1. 對於單字節的符號，字節的第一位設爲0，後面7位爲這個符號的 Unicode 碼。所以對於英語字母，UTF-8 編碼和 ASCII 碼是相同的（能容納0~127）。
2. 對於n字節的符號（n > 1），第一個字節的前n位都設爲1，第n + 1位設爲0，後面字節的前兩位一概設爲10。剩下的沒有說起的二進制位，所有爲這個符號的 Unicode 碼。

下表總結了編碼規則，字母x表示可用編碼的位:

Unicode 符號範圍(十六進制)	UTF-8 編碼方式（二進制）	UTF-8 首字節範圍
0000 0000-0000 007F	0xxxxxxx	0 ~ 127
0000 0080-0000 07FF	110xxxxx 10xxxxxx	(128+64) ~ (255-32) 也就是 192 ~ 223
0000 0800-0000 FFFF	1110xxxx 10xxxxxx 10xxxxxx	(128+64+32) ~ (255-16) 也就是 224 ~ 239
0001 0000-0010 FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx	(128+64+32+16) ~ (255-8) 也就是 240 ~ 247

想必看了這個表，你們就能明白了吧。