PHP Conference Japan 2024

    grapheme_extract

    (PHP 5 >= 5.3.0, PHP 7, PHP 8, PECL intl >= 1.0.0)

    grapheme_extract — 从文本缓冲区提取默认字素簇序列的函数，该缓冲区必须以 UTF-8 编码

    描述

    过程式风格

    grapheme_extract(
        字符串 $haystack,
        整数 $size,
        整数 $type = GRAPHEME_EXTR_COUNT,
        整数 $offset = 0,
        整数 &$next = null
    ): 字符串|false

    从文本缓冲区提取默认字素簇序列的函数，该缓冲区必须以 UTF-8 编码。

    参数

    haystack

    要搜索的字符串。

    size

    要返回的最大项目数 - 基于 type 参数。

    type

    定义 size 参数引用的单元类型

    • GRAPHEME_EXTR_COUNT (默认) - size 是要提取的默认字素簇的数量。
    • GRAPHEME_EXTR_MAXBYTES - size 是返回的最大字节数。
    • GRAPHEME_EXTR_MAXCHARS - size 是返回的最大 UTF-8 字符数。

    offset

    在 haystack 中的起始位置（以字节为单位）- 如果给出，它必须为零或小于等于 haystack 长度（以字节为单位）的正值，或者是一个从 haystack 末尾计数的负值。如果 offset 没有指向 UTF-8 字符的第一个字节，则起始位置将移动到下一个字符边界。

    next

    将设置为下一个起始位置的值的引用。调用返回时，这可能指向字符串末尾之后的第一个字节位置。

    返回值

    一个从 offset 位置开始，并在符合指定 size 和 type 的默认字素簇边界结束的字符串，或者在失败时返回 false。

    变更日志

    版本 描述
    7.1.0 添加了对负 offset 的支持。

    示例

    示例 #1 grapheme_extract() 示例

    <?php

    $char_a_ring_nfd     = "a\xCC\x8A"; // '带环的拉丁小写字母 A' (U+00E5) 规范化形式 "D"
    $char_o_diaeresis_nfd = "o\xCC\x88"; // '带分音符的拉丁小写字母 O' (U+00F6) 规范化形式 "D"

    print urlencode(grapheme_extract( $char_a_ring_nfd . $char_o_diaeresis_nfd, 1, GRAPHEME_EXTR_COUNT, 2));

    ?>

    以上示例将输出

    o%CC%88

    参见

    发现问题？

    了解如何改进此页面 • 提交拉取请求 • 报告错误
    ＋添加注释

    用户贡献的注释 3 条注释

    5
    AJH
    13 年前
    以下是如何使用 grapheme_extract() 逐个字符循环遍历 UTF-8 字符串。

    <?php

    $str     = "سabcक’…";
    // 如果上一行没有显示，字符串包含：
    //U+0633,U+0061,U+0062,U+0063,U+0915,U+2019,U+2026

    $n = 0;

    for (     $start = 0, $next = 0, $maxbytes = strlen($str), $c = '';
    $start < $maxbytes;
    $c = grapheme_extract($str, 1, GRAPHEME_EXTR_MAXCHARS , ($start = $next), $next)
    )
    {
    if (empty(    $c))
    continue;
    echo     "这个 utf8 字符是 " . strlen($c) . " 字节长，它的第一个字节是 " . ord($c[0]) . "\n";
    $n++;
    }
    echo     "$n 个 UTF-8 字符在一个包含 $maxbytes 个字节的字符串中！\n";
    // 应该打印：7 个 UTF-8 字符在一个包含 14 个字节的字符串中！
    ?>
    1
    Philo
    1 年前
    此页面上的其他评论对我有帮助。
    但是，在检查 grapheme_extract 返回的值时，请考虑使用比 empty($value) 更好的方法，因为它也可能返回类似“0”的值（当然这会评估为 false）。
    1
    yevgen dot grytsay at gmail dot com
    4 年前
    遍历字素簇

    <?php

    // 示例取自 Rust 文档：https://doc.rust-lang.net.cn/book/ch08-02-strings.html#bytes-and-scalar-values-and-grapheme-clusters-oh-my
    $str = "नमस्ते";
    // 或者：
    //$str = pack('C*', ...[224, 164, 168, 224, 164, 174, 224, 164, 184, 224, 165, 141, 224, 164, 164, 224, 165, 135]);
    $next = 0;
    $maxbytes = strlen($str);

    var_dump($str);

    while (    $next < $maxbytes) {
    $char = grapheme_extract($str, 1, GRAPHEME_EXTR_COUNT, $next, $next);
    if (empty(    $char)) {
    continue;
    }
    echo     "{$char} - 此 UTF8 字符长度为 " . strlen($char) . ' 字节', PHP_EOL;
    }

    //string(18) "नमस्ते"
    //न - 此 UTF8 字符长度为 3 字节
    //म - 此 UTF8 字符长度为 3 字节
    //स् - 此 UTF8 字符长度为 6 字节
    //ते - 此 UTF8 字符长度为 6 字节
    ?>
    ＋添加注释
    To Top