php - PHP中的多字节修剪？

Question

显然 mb_* family 中没有 mb_trim ，所以我正在尝试自己实现一个。

我最近在 php.net 的评论中发现了这个正则表达式:

/(^\s+)|(\s+$)/u

所以，我将按以下方式实现它:

function multibyte_trim($str)
{
    if (!function_exists("mb_trim") || !extension_loaded("mbstring")) {
        return preg_replace("/(^\s+)|(\s+$)/u", "", $str);
    } else {
        return mb_trim($str);
    }
}

正则表达式对我来说似乎是正确的，但我对正则表达式非常菜鸟。这会有效地删除字符串开头/结尾的任何 Unicode 空格吗？

Answer 1

标准的 trim 函数会修剪一些空格和类似空格的字符。这些被定义为 ASCII 字符，这意味着从 0 到 0100 0000 的某些特定字节。

正确 UTF-8 输入永远不会包含由字节 0xxx xxxx 组成的多字节字符。 正确 UTF-8 多字节字符中的所有字节都以1xxx xxxx 开头。

这意味着在正确 UTF-8 序列中，字节0xxx xxxx 只能指代单字节字符。因此，PHP 的 trim 函数永远不会修剪掉“半个字符”假设您有一个正确 UTF-8 序列。 (非常非常careful about improper UTF-8 sequences。)

---

ASCII 正则表达式中的 \s 将主要匹配与 trim 相同的字符。

带有 /u 修饰符的 preg 函数仅适用于 UTF-8 编码的正则表达式，而 /\s/u 也匹配 UTF8 的 nbsp .这种不间断空格的行为是使用它的唯一优势。

如果您想用其他不兼容 ASCII 的编码替换空格字符，这两种方法都行不通。

换句话说，如果您尝试修剪 ASCII 兼容字符串中的常用空格，只需使用 trim。使用 /\s/u 时，请注意文本中 nbsp 的含义。

---

保重:

  $s1 = html_entity_decode(" Hello   "); // the NBSP
  $s2 = " 𩸽 exotic test ホ 𩸽 ";

  echo "\nCORRECT trim: [". trim($s1) ."], [".  trim($s2) ."]";
  echo "\nSAME: [". trim($s1) ."] == [". preg_replace('/^\s+|\s+$/','',$s1) ."]";
  echo "\nBUT: [". trim($s1) ."] != [". preg_replace('/^\s+|\s+$/u','',$s1) ."]";

  echo "\n!INCORRECT trim: [". trim($s2,'𩸽 ') ."]"; // DANGER! not UTF8 safe!
  echo "\nSAFE ONLY WITH preg: [". 
       preg_replace('/^[𩸽\s]+|[𩸽\s]+$/u', '', $s2) ."]";