php - php 可以检测 4 字节编码的 utf8 字符吗？

Question

我在 mysql 5.1 服务器中使用 utf8 字符集 mysql 表，它不支持表中的 utf8mb4 编码。插入 4 字节编码的 utf8 字符时，如 "𡃁","𨋢","𠵱","𥄫","𠽌","唧","𠱁"。该表将弹出错误或跳过以下文本。

如何以编程方式在 PHP 中检测 4 字节编码的 utf8 字符并替换它们？

Answer 1

以下正则表达式将替换 4 字节 UTF-8 字符:

function replace4byte($string, $replacement = '') {
    return preg_replace('%(?:
          \xF0[\x90-\xBF][\x80-\xBF]{2}      # planes 1-3
        | [\xF1-\xF3][\x80-\xBF]{3}          # planes 4-15
        | \xF4[\x80-\x8F][\x80-\xBF]{2}      # plane 16
    )%xs', $replacement, $string);    
}

var_dump(replace4byte('d'), replace4byte('d𡃁d'));

这不依赖于 /u 修饰符，因此您不必担心 UTF-8 编译 PCRE。但是，如果您有这种支持，deceze 的 preg_replace_callback 更整洁。

(正则表达式改编自Ensuring valid utf-8 in PHP)