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

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：

1. 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）。
2. 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。