在PHP中解析多字节字符串

Question

我想编写一个基于状态机的(HTML)解析器,但我怀疑如何实际读取/使用输入.我决定将整个输入加载到一个字符串中,然后像使用数组一样处理它并将其索引保持为当前解析位置.

单字节编码没有问题,但在多字节编码中,每个值不代表字符,而是字符的字节.

例:

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

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

输出:

?
ž
?
?

这意味着我不能在循环中遍历字符串以检查单个字符,因为我永远不知道我是否在角色的中间.

所以问题是:

• 如何以性能友好的方式从字符串中读取单个字符的多字节安全性？
• 在这种情况下,使用字符串是一个好主意,因为它是一个数组吗？
• 你会如何阅读输入？

Answer 1

http://php.net/mb_string就是您要找的东西

• 只是 mb_substr 字符一一对应
• 直到 PHP6
• 到底是什么输入？一般情况下常用的方式