字串切分 utf-8(支援漢語、日文、韓文等,高效、)
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 < $len; ){
- $value = ord($str[$i]);
- if($value > 0x7F){
- if($value >= 0xC0 && $value <= 0xDF)
- $split = 2;
- elseif($value >= 0xE0 && $value <= 0xEF)
- $split = 3;
- elseif($value >= 0xF0 && $value <= 0xF7)
- $split = 4;
- elseif($value >= 0xF8 && $value <= 0xFB)
- $split = 5;
- elseif($value >= 0xFC)
- $split = 6;
-
- } else {
- $split = 1;
- }
- $key = '';
- for ( $j = 0; $j < $split; ++$j, ++$i ) {
- $key .= $str[$i];
- }
- $array[] = $key;
- }
- return $array;
- }
复制代码
|
本網站聲明
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn
作者最新文章
-
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