php - 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，但我对如何实际读取/使用输入有疑问。我决定将整个输入加载到一个字符串中，然后像处理数组一样处理它，并将其索引保存为当前解析位置。

单字节编码没有问题，但多字节编码每个值代表的不是一个字符，而是一个字符的一个字节。

示例:

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

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

输出:

Ĺ
ž
Ĺ
Ą

这意味着我不能在循环中遍历字符串来检查单个字符，因为我永远不知道我是否在字符的中间。

所以问题是:

• 我如何多字节安全地读取一个字符串中的单个字符性能友好的方式？
• 与字符串，因为它是一个数组案例？
• 您将如何阅读输入内容？

Answer 1

http://php.net/mb_string是你要找的东西

• 只是 mb_substr 个字符一个接一个
• 直到 PHP6
• 具体是什么输入？一般的常规方式