如何使用 PHP 的 `preg_match()` 和 `PREG_OFFSET_CAPTURE` 正确处理 UTF-8 字符偏移？

PREG_OFFSET_CAPTURE 和多字节字符：克服计数差异

当使用带有 u 修饰符的 preg_match() 时，模式和主题都被解释为UTF-8 编码。但是，即使使用此修饰符，捕获的偏移量仍然以字节为单位进行计数。当期望基于 UTF-8 字符的索引时，这种差异可能会导致混乱。

PHP 在 PREG_OFFSET_CAPTURE 中计算字节的本质

尽管 preg_match() 处理 Unicode 字符， PREG_OFFSET_CAPTURE 仍然是通过字节计数机制实现的。这意味着具有多字节表示形式的字符（例如 UTF-8）将被计为单个字节而不是复合字符。

解决方案：利用 mb_strlen

来获取适当的UTF-8 字符串中基于字符的索引，您可以利用 mb_strlen() 函数。此函数可以提供 UTF-8 字符串的字符长度。通过将其合并到代码中，您可以将 PREG_OFFSET_CAPTURE 中基于字节的偏移量转换为相应的 UTF-8 字符索引：

$str = "\xC2\xA1Hola!";
preg_match('/H/u', $str, $a_matches, PREG_OFFSET_CAPTURE);
echo mb_strlen(substr($str, 0, $a_matches[0][1])); // Output: 1

在此示例中，mb_strlen() 计算字符串的字符长度到从 PREG_OFFSET_CAPTURE 获得的偏移量，从而提供正确的 UTF-8 索引。此解决方法可确保准确的字符计数，正如使用 Unicode 字符串时所期望的那样。

以上是如何使用 PHP 的 `preg_match()` 和 `PREG_OFFSET_CAPTURE` 正确处理 UTF-8 字符偏移？的详细内容。更多信息请关注PHP中文网其他相关文章！