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 多位元組字串分割:將中文字逐字拆解為陣列

前言

PHP 內建字串函式預設按位元組操作,直接用 str_split() 處理 UTF-8 中文會導致亂碼。本文提供 mb_strlen() + mb_substr() 封裝函式,正確將多位元組字串拆解為單字元陣列。

完整程式碼

<?php
header('Content-Type: text/html; charset=utf-8');
$str = '趙錢孫';

function mbStringToArray($str, $charset) {
    $strlen = mb_strlen($str, $charset);
    $array = [];
    while ($strlen) {
        $array[] = mb_substr($str, 0, 1, $charset);
        $str = mb_substr($str, 1, $strlen, $charset);
        $strlen = mb_strlen($str, $charset);
    }
    return $array;
}

// 使用:指定編碼 utf-8 或 gbk
$arr = mbStringToArray($str, 'utf-8');
var_dump($arr);

執行結果

array(3) {
  [0]=> string(3) "趙"
  [1]=> string(3) "錢"
  [2]=> string(3) "孫"
}

(註:UTF-8 下每個中文字佔 3 位元組,故 string(3))

進階替代方案(PHP 7.4+)

$arr = mb_str_split($str, 1, 'UTF-8');  // 內建函式,更簡潔高效

應用場景

  • 中文斷詞前處理
  • 逐字驗證、敏感詞過濾
  • 產生字元級別的標籤雲、索引

注意事項

  1. 確認 PHP 安裝 mbstring 擴展(預設開啟)。
  2. 傳入編碼參數需與實際字串編碼一致,否則會切錯位元組。
  3. 大量文字處理時,遞迴/迴圈效能較低,建議改用 preg_split('//u', $str, -1, PREG_SPLIT_NO_EMPTY) 或 PHP 7.4+ 內建函式。
copyright © 萬盛學電腦網 all rights reserved