PHP中字符串的内部表示

Question

我正在PHP 5.2.10上编写一个简单的网站解析器.
使用默认内部编码(ISO-8859-1)时,我总是在同一个函数调用中得到一个错误:

$start = mb_strpos($index, '<a name=gr1>');

致命错误:允许的内存大小为50331648字节(尝试分配11924760字节)

在这种情况下,字符串$ index的长度为2981190字节 - 恰好是PHP尝试分配的4倍.

现在,如果我使用

mb_internal_encoding('UTF-8')

错误消失了.这是否意味着PHP为多字节字符串使用更多内存用于单字节字符串？怎么可能？有任何想法吗？

UPD:内存使用似乎不依赖于编码:使用UTF-8和ISO-8859-1,平均memory_get_usage()几乎相同.我认为问题可能在于mb_strpos.实际上,字符串$ index具有Windows-1251编码(西里尔文),因此它包含对UTF-8无效的符号.这可能导致mb_strpos以某种方式尝试转换或仅使用额外的内存来满足某些需求.将尝试在mb_strpos的源代码中找到答案.

Answer 1

抱歉，如果您已经考虑过这些潜在问题。

多字节字符串函数将检查 UTF-8 编码是否有错误，如果存在无效字符，则返回空字符串或 false（如 mb_strpos() 的情况： http: //www.serverphorums.com/read.php? 7,552099

您是否正在使用运算符检查获得的结果===以确保您没有收到false而不是0？

该mb_strpos()函数使用mbfl_strpos()，它在必须执行转换时复制字符串（needle、haystack）（导致内存增加，如您所观察到的）： https: //github.com/php/php-src/blob/master /ext/mbstring/libmbfl/mbfl/mbfilter.c#L811

所以，我想知道是否使用默认的内部编码（ISO-8859-1）让一切通过，并且达到了内存限制，而 utf-8 编码由于非法字符而短路并返回 false （如果您正在使用==, 进行测试，会使该函数看起来只是没有找到匹配项。）

值得一试 ：）