在PHP中搜索Unicode（以及处理INLINE UTF-8）

Question

我在处理另一个字符串（Haystack）内的两个字符Unicode字符串（针）的简单搜索时遇到了问题

问题的一部分是我不知道如何指定用于使用的代码 strpos, ，我不知道是否必须对PHP进行编译，并对代码有任何特殊支持，或者我是否必须使用 mb_strpos 我试图避免的，因为它也可能无法使用。

IE。例如针是 U+56DE U+590D （没有空间）

使用preg_match可能是 preg_match("@\x{56DE}\x{590D}@",$haystack)但这实际上需要 @u 这可能是不可用的，我得到了 Compilation failed: character value in \x{...} sequence is too large 反正。

无论如何，我不想使用PreG_Match，因为它可能比strpos慢得多（还有其他序列必须搜索）。

我可以转换吗？ U+56DE U+590D 进入其单个字节序列（可能是5-6个字符），然后通过strpos搜索它？ 如果是这样，我不知道如何将其转换为字节。

无论如何，如何在PHP中指定Unicode？我的意思是在普斯外面？

$blah="\u56DE\u590D"; 不起作用？

感谢您的任何想法！

Answer 1

首先，您的问题结构不佳。它在几个方面有几个问题。如果您使用了更清晰的结构，您可能会得到更多答案：1）描述要完成的任务，2）限制/要求，3）您考虑的策略，4）您在这种策略/有一个更好的吗？

也就是说，我将从结束开始：

$blah="\u56DE\u590D"; 不起作用？

否。该语言对Unicode一无所知。在PHP中，字符串是字节阵列。因此，您如何在PHP脚本中表达Unicode代码点取决于您要使用的编码。对于UTF-8，这将是 "\xE5\x9B\x9E\xE5\xA4\x8D", ，因为UTF-16 Big Endian会 "\x56\xDE\x59\x0D", ， 等等。

我可以转换吗？ U+56DE U+590D 进入其单个字节序列（可能是5-6个字符），然后通过 strpos？如果是这样，我不知道如何将其转换为字节。

因为，第一部分，是的，即转换 U+56DE U+590D 进入字节，需要澄清。这些UTF-16代码单元还是Unicode代码点？例如，如何 𪛖 代表？ U+D869 U+uDED6 或者 U+2A6D6？如果它们是Unicode代码单元，则将它们编码到UTF-16中是微不足道的。对于UTF-16大恩迪安，这只是 "\x56\xDE\x59\x0D". 。否则，将它们编码为UTF-32仍然很微不足道，但是在UTF-16（或UTF-8）中进行相同的工作需要更多的工作。

对于第二部分，请继续阅读。

问题的一部分是我不知道如何指定用于使用的代码 strpos, ，我不知道是否必须对PHP进行编译，并对代码有任何特殊支持，或者我是否必须使用 mb_strpos 我试图避免的，因为它也可能无法使用。

你想做什么？为什么需要在字符串中找到位置？ strpos 将为您提供给定字符串的字节偏移（再次以二进制形式解释）。您是否要夹住字符串？ strpos （甚至 mb_strpos）在Unicode中的平均麻烦 - 字形可以由几个代码单元构成，因此您冒着剪裁一部分字形的风险。除非您告诉您要做什么，否则我无法向您提供更多建议。

Answer 2

您写了“可能无法使用”。我建议你尝试 mb_strpos.