PHP 高级面试题 - 如果没有 mb 系列函数，如何切割多字节字符串

bawn 发布于2019-06-28 14:38 / 2758人阅读

摘要：它可以使用个字节表示一个符号，根据不同的符号而变化字节长度。对于字节的符号，第一个字节的前位都设为，第位设为，后面字节的前两位一律设为。剩下的没有提及的二进制位，全部为这个符号的码。

原文请关注我的博客 https://mengkang.net/1129.html
很多工程师在工作1~3年的时候最容易遇到瓶颈，不知道自己应该学习什么，面试总是吃闭门羹。那么 PHP 后面应该怎么学呢？安利一波我的系列直播 PHP 进阶之路

需求

如果需要将可能含有中文的字符串进行拆分成数组，我们下面以 utf-8 编码为例。

解决方案一

我习惯的方法可能是：

mb_internal_encoding("UTF-8");

$str = "周梦康";

$array = [];
for ($i=0,$l = mb_strlen($str); $i < $l; $i++) { 
    array_push($array, mb_substr($str, $i, 1, "utf-8"));
}

var_export($array);

假如我们没装mb扩展怎么办？

解决方案二

今天看到一份代码，别人是这么写的：

function str_split_utf8($str)  
{  
    $split = 1;  
    $array = array();  
    for ($i = 0; $i < strlen($str);) {  
        $value = ord($str[$i]);  
        if ($value > 127) {  
            if ($value >= 192 && $value <= 223) {  
                $split = 2;  
            } elseif ($value >= 224 && $value <= 239) {  
                $split = 3;  
            } elseif ($value >= 240 && $value <= 247) {  
                $split = 4;  
            }  
        } else {  
            $split = 1;  
        }  
        $key = null;  
        for ($j = 0; $j < $split; $j++, $i++) {  
            $key .= $str[$i];  
        }  
        array_push($array, $key);  
    }  
    return $array;  
}

代码解读

strlen计算的是字节数，而直接使用$str[x]就沿用了c语言里面char数组和字符串的习惯，表示按字节来读取$str，也就是说每次读取的数据的ascii码值不可能大于255。而php里使用ord来获取ascii码值。

切割规则如下

ascii 码范围	切割偏移量
0 ~ 127	1 字节
192 ~ 223	2 字节
224 ~ 239	3 字节
240 ~ 247	4 字节

为什么呢？

http://www.ruanyifeng.com/blo...
https://segmentfault.com/a/11... 口语化叙述 utf-8 的来历

Unicode

Unicode 只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。

UTF-8

UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式。UTF-8 最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

UTF-8 的编码规则很简单，只有二条：

对于单字节的符号，字节的第一位设为0，后面7位为这个符号的 Unicode 码。因此对于英语字母，UTF-8 编码和 ASCII 码是相同的（能容纳0~127）。

对于n字节的符号（n > 1），第一个字节的前n位都设为1，第n + 1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的 Unicode 码。

下表总结了编码规则，字母x表示可用编码的位:

Unicode 符号范围(十六进制)	UTF-8 编码方式（二进制）	UTF-8 首字节范围
0000 0000-0000 007F	0xxxxxxx	0 ~ 127
0000 0080-0000 07FF	110xxxxx 10xxxxxx	(128+64) ~ (255-32) 也就是 192 ~ 223
0000 0800-0000 FFFF	1110xxxx 10xxxxxx 10xxxxxx	(128+64+32) ~ (255-16) 也就是 224 ~ 239
0001 0000-0010 FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx	(128+64+32+16) ~ (255-8) 也就是 240 ~ 247

想必看了这个表，大家就能明白了吧。

云服务器 GPU云服务器 android高级面试题高级运维工程师面试题字符串算法面试题腾讯面试题　php

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/26305.html

Java开发

摘要：大多数待遇丰厚的开发职位都要求开发者精通多线程技术并且有丰富的程序开发调试优化经验，所以线程相关的问题在面试中经常会被提到。将对象编码为字节流称之为序列化，反之将字节流重建成对象称之为反序列化。 JVM 内存溢出实例 - 实战 JVM（二）介绍 JVM 内存溢出产生情况分析 Java - 注解详解详细介绍 Java 注解的使用，有利于学习编译时注解 Java 程序员快速上手 Kot...

LuDongWei 2019-08-15 13:29 评论0 收藏0
PHP面试常考内容之Memcache和Redis（1）

摘要：以下正文的部分内容来自程序员面试笔试宝典书籍，如果转载请保留出处一什么是是一个开源免费高性能的分布式对象缓存系统，它基于一个存储键值对的来存储数据到内存中。预告面试常考内容之和将于本周三更新。你好，是我琉忆。继上周（2019.2-11至2-15）发布的PHP面试常考内容之面向对象专题后，发布的第二个专题，感谢你的阅读。本周（2019.2-18至2-22）的文章内容点为以下几点，更新时...

wenyiweb 2019-07-01 11:20 评论0 收藏0
PHP面试常考内容之Memcache和Redis（1）

摘要：以下正文的部分内容来自程序员面试笔试宝典书籍，如果转载请保留出处一什么是是一个开源免费高性能的分布式对象缓存系统，它基于一个存储键值对的来存储数据到内存中。预告面试常考内容之和将于本周三更新。你好，是我琉忆。继上周（2019.2-11至2-15）发布的PHP面试常考内容之面向对象专题后，发布的第二个专题，感谢你的阅读。本周（2019.2-18至2-22）的文章内容点为以下几点，更新时...

nanfeiyan 2019-08-06 12:28 评论0 收藏0