使用UTF-8字符串的strpos是否安全？

Question

我有一堆不同字符串的字符串。 $charset变量包含当前字符串的字符集。

$content = iconv($charset, 'UTF-8', $content);

完成此操作后，使用strpos ， strlen ， substr等是否安全，而不是多字节等效？ 我问这个因为我也preg_match使用preg_match 。 因此，如果我使用PREG_OFFSET_CAPTURE来获取字符串中单词的位置，我就不能将该值与mb_substr一起使用来删除单词之前的所有内容。

Answer 1

这完全取决于你想做什么。 核心strlen和类似的函数在字节上工作。 它们接受并返回的每个数字都是字节计数或字节偏移量。 mb_ *函数对字符起着编码感知作用。 他们接受并返回的所有数字都是字符数或偏移量。

如果你有一个安全的方法来获取字符串中的字节偏移量（“安全”意味着偏移量不在多字节字符的中间）然后，例如，使用substr在该偏移量之前裁剪所有内容，即工作得很好。 例如：

$str     = '漢字';
$offset  = strpos($str, '字');
$cropped = substr($str, $offset);

工作正常。

但是，这不起作用：

$cropped = substr($str, $offset, 1);

如果不存在切入多字节字符的风险，则无法安全地剪切单个字节 。

Answer 2

strlen（）等函数计算字节数，而不是字符数。

有关详细信息，请参阅PHP手册中的说明：

注意：

strlen（）返回字节数而不是字符串中的字符数。

如果您正在使用UTF-8，请使用mb_ *函数，除非您启用了php.ini设置mbstring.func_overload以重载标准strops（），strlen（），substr（）等函数...然后strlen （）将计算字符数