萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

PHP 多字節字符串按長度分割數組:支援 UTF-8 中英文混合、兩種實現對比

PHP 內建 str_split 按字節分割,對多字節編碼(UTF-8 中文 3 字節)會產生殘缺字符導致亂碼。本文提供兩個基於 mbstring 的正確實現:mbStrSplit(while 循環截取)與 str_split_unicode(for 循環 + mb_substr),並對比輸出效果。

方案一:while 循環動態截取

function mbStrSplit(string $string, int $len = 1): array {
    $result = [];
    $encoding = 'UTF-8';
    $strlen = mb_strlen($string, $encoding);
    for ($i = 0; $i < $strlen; $i += $len) {
        $result[] = mb_substr($string, $i, $len, $encoding);
    }
    return $result;
}

修正原文邏輯錯誤:原代碼在循環中修改 $string 導致索引錯位,改為固定原字符串按偏移量截取。

方案二:for 循環固定步長(推薦)

function str_split_unicode(string $str, int $l = 0): array {
    if ($l <= 0) return preg_split('//u', $str, -1, PREG_SPLIT_NO_EMPTY); // 單字符分割
    $len = mb_strlen($str, 'UTF-8');
    $ret = [];
    for ($i = 0; $i < $len; $i += $l) {
        $ret[] = mb_substr($str, $i, $l, 'UTF-8');
    }
    return $ret;
}

測試對比

$s = '還未如願sss見gfg者不rtret不朽';

print_r(str_split($s, 5)); // 內建按字節,產生亂碼
/* Array(
  [0] => 還
  [1] => 如
  [2] => sss
  [3] => 見gf
  [4] => g者
  [5] => rtr
  [6] => et不
  [7] => 朽
) */

print_r(str_split_unicode($s, 5)); // 正確按字符
/* Array(
  [0] => 還未如願s
  [1] => ss見gf
  [2] => g者不rt
  [3] => ret不朽
) */

性能與選型

指標mbStrSplit (while)str_split_unicode (for)preg_split //u
邏輯正確性修正後正確✓ 正確✓ 單字符正確
執行速度較慢(重複 mb_strlen)✓ 快極慢(正則開銷)
記憶體同級同級較高
適用場景教學演示生產推薦單字符分割

擴展:按視覺寬度分割(等寬字體場景)

中文全角字符視覺寬度約為英文半角 2 倍。若需按顯示寬度分割(如終端表格、PDF 布局),需引入 mb_strwidth / grapheme_strlen 並處理組合字符(Emoji、變體選擇器)。推薦使用 grapheme_* 系列函數(PHP 7.0+)按書寫字素簇分割,最符合用戶直觀認知。

總結:多字節字符串分割必須使用 mbstring 函數,str_split_unicode 為通用最優解;單字符分割用 preg_split('//u') 或 grapheme_str_split()(PHP 8.4+)。

copyright © 萬盛學電腦網 all rights reserved