php - PHP 中的字符串文字是否只能以 ASCII 的兼容超集(例如 UTF-8 或 ISO-8859-1)的编码进行编码？

Question

我从 Details of the String Type 中看到以下文字PHP 手册中的页面:

Given that PHP does not dictate a specific encoding for strings, one might wonder how string literals are encoded. String will be encoded in whatever fashion it is encoded in the script file. Thus, if the script is written in ISO-8859-1, the string will be encoded in ISO-8859-1 and so on. However, this does not apply if Zend Multibyte is enabled; in that case, the script may be written in an arbitrary encoding (which is explicity declared or is detected) and then converted to a certain internal encoding, which is then the encoding that will be used for the string literals. Note that there are some constraints on the encoding of the script (or on the internal encoding, should Zend Multibyte be enabled) – this almost always means that this encoding should be a compatible superset of ASCII, such as UTF-8 or ISO-8859-1.

所以我的疑问是，PHP 中的字符串文字是否可以仅编码为ASCII 的兼容超集的编码，例如 UTF-8 或 ISO-8859-1 并且不在不是 ASCII 兼容超集的编码中？

是否可以在 PHP 中以某些非 ASCII 兼容 编码(例如 UTF-16、UTF-32 或某些编码方式对字符串文字进行编码其他类似的非ASCII 兼容 编码？如果是，那么以这种非 ASCII 兼容 编码之一编码的字符串文字是否可以与 mb_string_* 函数 一起使用？如果不是，那是什么原因？

假设启用了 Zend Multibyte，并且我已将内部编码设置为 ASCII 的兼容超集，例如 UTF-8 或 ISO-8859-1 或其他一些非 ASCII 兼容 编码。现在，我可以声明不是 ASCII 的兼容超集的编码，例如 UTF-16 或 UTF-32 在脚本文件中？

如果是，那么在这种情况下，字符串字面量将采用何种编码方式进行编码？如果不是，那是什么原因？

此外，如果启用了 Zend Multibyte，请解释一下这个编码 是如何对字符串文字起作用的？

如何启用Zend Multibyte？ 打开 的主要目的是什么？何时需要将其打开？

如果你能用合适的例子来消除我的疑虑就更好了。

谢谢。

Answer 1

PHP 源代码文件中的字符串字面量被视为源代码文件中存在的原始字节。如果您的源代码中有代表 UTF-16 字符串或其他任何内容的字节，那么您可以直接使用它们:

$ echo -n '<?php echo "' > test.php
$ echo -n 日本語 | iconv -t UTF-16 >> test.php 
$ echo '";' >> test.php 
$ cat test.php 
<?php echo "??e?g,??";
$ cat test.php | xxd
00000000: 3c3f 7068 7020 6563 686f 2022 feff 65e5  <?php echo "..e.
00000010: 672c 8a9e 223b 0a                        g,..";.
$ php test.php 
??e?g,??$ 
$ php test.php | iconv -f UTF-16
日本語

这演示了一个表面上用 ASCII 编写的源代码文件，但中间包含一个 UTF-16 字符串文字，它按原样输出。

这种源代码的更大问题是难以使用。它介于颈部疼痛和不可能让文本编辑器以一种编码处理 PHP 代码而以另一种编码处理字符串文字之间。因此，通常情况下，您希望将整个源代码(包括字符串文字)始终采用一种且相同的编码。

你也很容易惹上麻烦:

$ echo -n '<?php echo "' > test.php
$ echo -n 漢字 | iconv -t UTF-16 >> test.php 
$ echo '";' >> test.php 
$ cat test.php | xxd
00000000: 3c3f 7068 7020 6563 686f 2022 feff 6f22  <?php echo "..o"
00000010: 5b57 223b 0a                             [W";.

这里的“汉字”编码为feff 6f22 5b57，其中包含22或"，一个字符串字面量终止符，表示你有现在是语法错误。

默认情况下，PHP 解释器期望 PHP 代码与 ASCII 兼容，因此如果您希望将字符串文字和源代码的其余部分保持在相同的编码中，您几乎只能使用与 ASCII 兼容的编码。但是，Zend Multibyte 扩展允许您使用其他编码如果您相应地声明所使用的编码(如果它不兼容 ASCII，则在 php.ini 中)。因此，您可以自始至终用 Shift-JIS 编写源代码；甚至可能使用其他编码*中的字符串文字。

_{*(至此我将停止详细介绍，因为 what is wrong with you ?!)}

总结:

• PHP 必须理解所有 PHP 代码；默认情况下，它理解 ASCII，通过 Zend Multibyte，它也可以理解其他编码。
• 源代码中的字符串文字可以包含任何您想要的字节，只要 PHP 不将它们解释为字符串文字中的特殊字符(例如上面的 22 示例)，其中如果您需要转义它们(在通用源代码的编码中使用反斜杠)。
• 运行时的字符串值将是 PHP 从字符串文字中读取的原始字节序列。

综上所述，偏离 ASCII 兼容编码通常是一件令人头疼的事情。这对文本编辑器来说很痛苦，如果您工作流程中的某些工具错误地处理文件，很容易导致乱码。我最多建议使用与 ASCII 兼容的编码，例如:

echo "日本語";  // UTF-8 encoded (let's hope)

如果你必须有一个非 ASCII 兼容的字符串文字，你应该使用字节表示法:

echo "\xfe\xff\x65\xe5\x67\x2c\x8a\x9e";

或转换:

echo iconv('UTF-8', 'UTF-16', '日本語');

[..] will the strings literals encoded in such one of the non-ASCII compatible encoding work with mb_string_* functions?

当然，出于所有意图和目的，PHP 中的字符串都是原始字节数组。您如何获得该字符串并不重要。如果您有一个使用上面演示的任何方法获得的 UTF-16 字符串，包括通过将它以 UTF-16 硬编码到源代码中，您就有一个 UTF-16 编码的字符串，您可以通过任何和所有字符串函数将其放入知道如何处理它。