PHP 字符串函数：哪些适用于 UTF-8？
PHP string functions: which ones will work with UTF-8?
在 PHP documentation 中列出了在字节级别上工作的字符串函数。这适用于 SBCS 字符串，但不适用于 MBCS 字符串。幸运的是，一种著名的编码 UTF-8 向后兼容高达 7 位 US-ASCII。
从 PHP 5.6 开始，默认编码已更改为 UTF-8，但它的字符串函数还没有。众所周知的替代方案是 iconv, Multibyte String and Intl。如果以正确的方式编译，PCRE 函数也可以与 MBCS 兼容。
当 SBCS 年龄代码需要转换为 VMBCS (UTF-8) 合规性时，需要重写标准 PHP 字节字符串函数以确保 MBCS 安全。虽然最基本的函数（如 strpos()）有一个 mb_* 变体（如 mb_strpos()），但大多数 PHP 的字符串函数没有 mb_ 对应物。为了继续使用，必须重写它们。
在第一阶段，需要确定哪些 SBCS 字符串函数可以工作，尽管它们具有面向字节的特性。有些已经在 SO 上被识别出来，我现在正在寻找的是一个完整的函数列表，这些函数可以与 UTF-8 一起使用，或者在谨慎使用时使用，例如仅使用 US-ASCII 的参数。澄清一下，问题不在于像 chr() 或 crc32() 这样的字节字符串函数，而是关于获取像这样的函数列表：
- 不安全：
count_chars() 计算字节，...
- 注意：只要参数是 US-ASCII，
ltrim() 就可以工作，...
- 安全：
str_repeat() 将使用 MBCS 字符串，...
有人知道这样的列表吗？
PHP standard string functions 无法正确处理多字节字符串。它们将参数作为单字节字符串处理，无论您传递给它们的字符串是什么类型。它们不对字符进行操作，而是对字节进行操作。
PHP 不保留每个字符串的编码。它以相同的方式处理所有这些。
PHP multi-byte string functions provided by the mbstring PHP extension 可以处理多种字符编码，在编码之间进行转换并自动检测给定字符串的编码。它们对字符进行操作，并且能够处理固定长度编码（UTF-16，f.e。）和可变长度编码（UTF-8）。
核心 PHP SBCS 字符串函数
假设 default encoding of PHP is set to UTF-8，这些字符串函数可以工作:
echo 输出一个或多个字符串html_entity_decode 将所有 HTML 实体转换为其适用的字符htmlentities 将所有适用字符转换为 HTML 个实体 |更好地使用htmlspecialchars_decode 将特殊 HTML 实体转换回字符htmlspecialchars 将特殊字符转换为 HTML 个实体implode 用字符串连接数组元素join 内爆的别名nl2br 在字符串中的所有换行符前插入 HTML 换行符print输出一个字符串quotemeta 引用元字符str_repeat重复一个字符串str_rot13 对字符串执行 rot13 转换strip_tags 从字符串中去除 HTML 和 PHP 标签stripcslashes 用 addcslashesstripslashes 取消引用引用的字符串
不幸的是，所有其他字符串函数对 UTF-8 不起作用。
障碍：
- 大小写处理或空格不适用于 UTF-8
- 参数中的字符串长度和 return 值不在字符长度中
- 字符串处理导致数据损坏
- 字符串函数完全面向 ASCII
在某些情况下，当参数为 US-ASCII 且
长度是字节长度。
二进制字符串函数仍然有用:
bin2hex将二进制数据转换为十六进制表示chrReturn一个特定的字符（=byte）convert_uudecode 解码 uuencoded 字符串convert_uuencode 对字符串进行编码crc32计算字符串的crc32多项式crypt 单向字符串散列hex2bin 解码十六进制编码的二进制字符串md5_file 计算给定文件的 md5 散列md5计算字符串的md5散列ord Return 字符的 ASCII 值（=byte）sha1_file计算文件的sha1散列值sha1计算字符串的sha1散列
配置函数不适用:
get_html_translation_table Returns htmlspecialchars 和 htmlentitieslocaleconv 获取数字格式信息nl_langinfo查询语言和地区信息setlocale 设置地区信息
Regular expression functions编码转码功能暂不考虑
扩展
在很多情况下，Multibyte String
提供 UTF-8 变体：
mb_convert_case 对字符串执行大小写折叠mb_parse_str解析GET/POST/COOKIE数据并设置全局变量mb_split 使用正则表达式拆分多字节字符串mb_strcut 获取字符串的一部分mb_strimwidth 获取指定宽度的截断字符串mb_stripos 查找字符串在另一个字符串中首次出现的位置，不区分大小写mb_stristr 查找字符串在另一个字符串中的第一次出现，不区分大小写mb_strlen 获取字符串长度mb_strpos 查找字符串在字符串中第一次出现的位置mb_strrchr 查找一个字符在另一个字符串中的最后一次出现mb_strrichr 查找一个字符在另一个字符串中的最后一次出现，不区分大小写mb_strripos 查找字符串在另一个字符串中最后一次出现的位置，不区分大小写mb_strrpos 查找字符串在字符串中最后一次出现的位置mb_strstr 查找字符串在另一个字符串中的第一次出现mb_strtolower 使字符串小写mb_strtoupper 使字符串大写mb_strwidth Return 字符串宽度mb_substr_count统计子串出现的次数mb_substr 获取字符串的一部分
和iconv提供了最少的字符串函数：
iconv_strlen Returns 字符串的字符数iconv_strpos 查找大海捞针第一次出现的位置iconv_strrpos 大海捞针中最后一次出现的针iconv_substr 截取字符串的一部分
最后Intl has a lot of extra and powerful Unicode features (but no regular expressions) as part of i18n。一些功能与其他字符串函数重叠。关于字符串函数，这些是：
在 PHP documentation 中列出了在字节级别上工作的字符串函数。这适用于 SBCS 字符串，但不适用于 MBCS 字符串。幸运的是，一种著名的编码 UTF-8 向后兼容高达 7 位 US-ASCII。
从 PHP 5.6 开始，默认编码已更改为 UTF-8，但它的字符串函数还没有。众所周知的替代方案是 iconv, Multibyte String and Intl。如果以正确的方式编译，PCRE 函数也可以与 MBCS 兼容。
当 SBCS 年龄代码需要转换为 VMBCS (UTF-8) 合规性时，需要重写标准 PHP 字节字符串函数以确保 MBCS 安全。虽然最基本的函数（如 strpos()）有一个 mb_* 变体（如 mb_strpos()），但大多数 PHP 的字符串函数没有 mb_ 对应物。为了继续使用，必须重写它们。
在第一阶段，需要确定哪些 SBCS 字符串函数可以工作，尽管它们具有面向字节的特性。有些已经在 SO 上被识别出来，我现在正在寻找的是一个完整的函数列表，这些函数可以与 UTF-8 一起使用，或者在谨慎使用时使用，例如仅使用 US-ASCII 的参数。澄清一下，问题不在于像 chr() 或 crc32() 这样的字节字符串函数，而是关于获取像这样的函数列表：
- 不安全：
count_chars()计算字节，... - 注意：只要参数是 US-ASCII，
ltrim()就可以工作，... - 安全：
str_repeat()将使用 MBCS 字符串，...
有人知道这样的列表吗？
PHP standard string functions 无法正确处理多字节字符串。它们将参数作为单字节字符串处理，无论您传递给它们的字符串是什么类型。它们不对字符进行操作，而是对字节进行操作。
PHP 不保留每个字符串的编码。它以相同的方式处理所有这些。
PHP multi-byte string functions provided by the mbstring PHP extension 可以处理多种字符编码，在编码之间进行转换并自动检测给定字符串的编码。它们对字符进行操作，并且能够处理固定长度编码（UTF-16，f.e。）和可变长度编码（UTF-8）。
核心 PHP SBCS 字符串函数
假设 default encoding of PHP is set to UTF-8，这些字符串函数可以工作:
echo输出一个或多个字符串html_entity_decode将所有 HTML 实体转换为其适用的字符htmlentities将所有适用字符转换为 HTML 个实体 |更好地使用htmlspecialchars_decode将特殊 HTML 实体转换回字符htmlspecialchars将特殊字符转换为 HTML 个实体implode用字符串连接数组元素join内爆的别名nl2br在字符串中的所有换行符前插入 HTML 换行符print输出一个字符串quotemeta引用元字符str_repeat重复一个字符串str_rot13对字符串执行 rot13 转换strip_tags从字符串中去除 HTML 和 PHP 标签stripcslashes用 addcslashes 取消引用字符串
stripslashes取消引用引用的字符串
不幸的是，所有其他字符串函数对 UTF-8 不起作用。 障碍：
- 大小写处理或空格不适用于 UTF-8
- 参数中的字符串长度和 return 值不在字符长度中
- 字符串处理导致数据损坏
- 字符串函数完全面向 ASCII
在某些情况下，当参数为 US-ASCII 且 长度是字节长度。
二进制字符串函数仍然有用:
bin2hex将二进制数据转换为十六进制表示chrReturn一个特定的字符（=byte）convert_uudecode解码 uuencoded 字符串convert_uuencode对字符串进行编码crc32计算字符串的crc32多项式crypt单向字符串散列hex2bin解码十六进制编码的二进制字符串md5_file计算给定文件的 md5 散列md5计算字符串的md5散列ordReturn 字符的 ASCII 值（=byte）sha1_file计算文件的sha1散列值sha1计算字符串的sha1散列
配置函数不适用:
get_html_translation_tableReturns htmlspecialchars 和 htmlentities 使用的翻译 table
localeconv获取数字格式信息nl_langinfo查询语言和地区信息setlocale设置地区信息
Regular expression functions编码转码功能暂不考虑
扩展
在很多情况下，Multibyte String 提供 UTF-8 变体：
mb_convert_case对字符串执行大小写折叠mb_parse_str解析GET/POST/COOKIE数据并设置全局变量mb_split使用正则表达式拆分多字节字符串mb_strcut获取字符串的一部分mb_strimwidth获取指定宽度的截断字符串mb_stripos查找字符串在另一个字符串中首次出现的位置，不区分大小写mb_stristr查找字符串在另一个字符串中的第一次出现，不区分大小写mb_strlen获取字符串长度mb_strpos查找字符串在字符串中第一次出现的位置mb_strrchr查找一个字符在另一个字符串中的最后一次出现mb_strrichr查找一个字符在另一个字符串中的最后一次出现，不区分大小写mb_strripos查找字符串在另一个字符串中最后一次出现的位置，不区分大小写mb_strrpos查找字符串在字符串中最后一次出现的位置mb_strstr查找字符串在另一个字符串中的第一次出现mb_strtolower使字符串小写mb_strtoupper使字符串大写mb_strwidthReturn 字符串宽度mb_substr_count统计子串出现的次数mb_substr获取字符串的一部分
和iconv提供了最少的字符串函数：
iconv_strlenReturns 字符串的字符数iconv_strpos查找大海捞针第一次出现的位置iconv_strrpos大海捞针中最后一次出现的针iconv_substr截取字符串的一部分
最后Intl has a lot of extra and powerful Unicode features (but no regular expressions) as part of i18n。一些功能与其他字符串函数重叠。关于字符串函数，这些是：