字符串切分 utf-8(支持汉语、日文、韩文等,高效、)

WBOY
Lepaskan: 2016-07-25 09:08:02
asal
1332 orang telah melayarinya
因为mb_substr、mb_strlen太过低效,故而采用了此段代码。

非原创,主要原理是根据UTF-8的编码特点
0xxxxxxx
110xxxxx 10xxxxxx
1110xxxx 10xxxxxx 10xxxxxx
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
来获取字符边界,从而确定一个字所占字节数,并处理成数组。


方便对字符操作比较频繁的用户,此函数效率比mb_substr高效10倍,我曾经写过一个「N万违禁词替换类」,在开发此类过程中,详细对比过这两者的效率,此函数明显胜出。
  1. function str_split_utf8($str) {
  2. // place each character of the string into and array
  3. $split = 1;
  4. $array = array(); $len = strlen($str);
  5. for ( $i = 0; $i $value = ord($str[$i]);
  6. if($value > 0x7F){
  7. if($value >= 0xC0 && $value $split = 2;
  8. elseif($value >= 0xE0 && $value $split = 3;
  9. elseif($value >= 0xF0 && $value $split = 4;
  10. elseif($value >= 0xF8 && $value $split = 5;
  11. elseif($value >= 0xFC)
  12. $split = 6;
  13. } else {
  14. $split = 1;
  15. }
  16. $key = '';
  17. for ( $j = 0; $j $key .= $str[$i];
  18. }
  19. $array[] = $key;
  20. }
  21. return $array;
  22. }
复制代码


sumber:php.cn
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan