字符串切分 utf-8(支持汉语、日文、韩文等,高效、)
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。
- function str_split_utf8($str) {
- // place each character of the string into and array
- $split = 1;
- $array = array(); $len = strlen($str);
- for ( $i = 0; $i $value = ord($str[$i]);
- if($value > 0x7F){
- if($value >= 0xC0 && $value $split = 2;
- elseif($value >= 0xE0 && $value $split = 3;
- elseif($value >= 0xF0 && $value $split = 4;
- elseif($value >= 0xF8 && $value $split = 5;
- elseif($value >= 0xFC)
- $split = 6;
-
- } else {
- $split = 1;
- }
- $key = '';
- for ( $j = 0; $j $key .= $str[$i];
- }
- $array[] = $key;
- }
- return $array;
- }
复制代码
|
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
Artikel terbaru oleh pengarang
-
2024-10-22 09:46:29
-
2024-10-13 13:53:41
-
2024-10-12 12:15:51
-
2024-10-11 22:47:31
-
2024-10-11 19:36:51
-
2024-10-11 15:50:41
-
2024-10-11 15:07:41
-
2024-10-11 14:21:21
-
2024-10-11 12:59:11
-
2024-10-11 12:17:31
Topik-topik yang berkaitan
Lagi>