PHP Conference Japan 2024

    mb_substr

    (PHP 4 >= 4.0.6, PHP 5, PHP 7, PHP 8)

    mb_substr — 获取字符串的一部分

    描述

    mb_substr(
        string $string,
        int $start,
        ?int $length = null,
        ?string $encoding = null
    ): string

    基于字符数执行多字节安全的 substr() 操作。位置从 string 的开头算起。第一个字符的位置是 0。第二个字符的位置是 1，依此类推。

    参数

    string

    要从中提取子字符串的 string。

    start

    如果 start 非负，则返回的字符串将从 string 中的第 start 个位置开始，从零开始计数。例如，在字符串“abcdef”中，位置 0 处的字符是“a”，位置 2 处的字符是“c”，依此类推。

    如果 start 为负数，则返回的字符串将从 string 末尾的第 start 个字符开始。

    length

    从 string 中使用的最大字符数。如果省略或传递 NULL，则提取字符串末尾的所有字符。

    encoding

    encoding 参数是字符编码。如果省略或为 null，则将使用内部字符编码值。

    返回值

    mb_substr() 返回由 start 和 length 参数指定的 string 的一部分。

    变更日志

    版本 描述
    8.0.0 encoding 现在可以为空。

    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 9 条注释

    11
    qbolec at gmail dot com
    9 年前
    由于您经常需要迭代字符串内的 UTF-8 字符，因此您可能会尝试使用 mb_substr($text,$i,1)。
    这样做的问题在于，没有“神奇”的方法可以在 UTF-8 字符串中查找第 $i 个字符，除非从开头逐字节读取。因此，对于所有可能的 $i 的 N 个值，对所有可能的 N 个值调用 mb_substr($text,$i,1) N 次的循环将花费比预期更长的时间。$i 越大，搜索第 $i 个字母所需的时间就越长。由于字符的长度在 1 到 6 个字节之间，因此可以确信，此类循环的执行时间实际上是 Theta(N^2)，即使对于中等长度的文本，它也可能非常慢。
    一种解决方法是首先使用一些智能预处理将文本拆分为字符数组，然后迭代该数组。
    这是这个想法
    <?php
    class Strings
    {
    public static function     len($a){
    return     mb_strlen($a,'UTF-8');
    }
    public static function     charAt($a,$i){
    return     self::substr($a,$i,1);
    }
    public static function     substr($a,$x,$y=null){
    if(    $y===NULL){
    $y=self::len($a);
    }
    return     mb_substr($a,$x,$y,'UTF-8');
    }
    public static function     letters($a){
    $len = self::len($a);
    if(    $len==0){
    return array();
    }else if(    $len == 1){
    return array(    $a);
    }else{
    return     Arrays::concat(
    self::letters(self::substr($a,0,$len>>1)),
    self::letters(self::substr($a,$len>>1))
    );
    }
    }
    ?>
    如您所见，Strings::letters($text) 将文本递归地分成两部分。递归的每一层都需要线性于字符串长度的时间，并且递归层数是对数级的，因此总运行时间为 O(N log N)，这仍然优于理论上的最佳 O(N)，但遗憾的是，这是我想到的最好的方法。
    5
    drraf at tlen dot pl
    19 年前
    注意：如果边界超出字符串 - mb_string() 返回空 _字符串_，而函数 substr() 在这种情况下返回 _布尔_ false。
    在使用“===”比较时请记住这一点。

    示例代码
    <?php

    var_dump    ( substr( 'abc', 5, 2 ) ); // 返回 "false"
    var_dump( mb_substr( 'abc', 5, 2 ) ); // 返回 ""

    ?>

    在启用函数重载的情况下使用 mbstring 时，这尤其令人困惑。
    3
    p dot assenov at aip-solutions dot com
    13 年前
    我正在尝试仅将字符串的第一个字符大写，并尝试了上面的一些示例，但它们不起作用。似乎 mb_substr() 无法计算多字节编码（UTF-8）中字符串的长度，并且应该明确设置。以下是更正后的版本

    <?php
    function mb_ucfirst($str, $enc = 'utf-8') {
    return     mb_strtoupper(mb_substr($str, 0, 1, $enc), $enc).mb_substr($str, 1, mb_strlen($str, $enc), $enc);
    }
    ?>

    干杯！
    4
    xiaogil at yahoo dot fr
    19 年前
    感谢来自/freenode #php 的 Darien 提供的以下示例（稍作修改）。

    它只打印 $string 的第 6 个字符。
    您可以用日语、中文或任何其他语言的相同数字替换这些数字进行测试，它工作完美。

    <?php
    mb_internal_encoding    ("UTF-8");
    $string = "0123456789";
    $mystring = mb_substr($string,5,1);
    echo     $mystring;
    ?>

    （例如，我无法在这里用中文数字替换 0123456789，因为在这个网站上它会自动转换为拉丁数字，请看
    &#38646;&#19968;&#20108;&#19977;&#22235;
    &#20116;&#20845;&#19971;&#20843;&#20061;)

    gilv
    0
    public at luedi dot jp
    8个月前
    只想补充一点，不仅 `start` 可以是负数，`length` 也可以是负数。并且它按预期工作。

    mb_substr( "1234567890", 3, -4, "UTF-8" ) => "456".

    所以它切断了最后 4 个字符。
    0
    boulahdidraid18 at gmail dot com
    11个月前
    以下是一个演示 `substr` 和 `mb_substr` 函数之间区别的示例

    1- 当处理非 UTF-8 字符时，这两个函数的行为相同，并给出相同的输出

    $str = 'abcdef';
    echo substr($s, 0, 3); // abc
    echo mb_substr($s, 0, 3); // abc

    2- 当处理 UTF-8 字符时，每个函数的行为将不同，并给出不同的结果

    2.A- 'substr' 函数在字节级工作，并且仅适用于单字节编码字符（不支持多字节编码）。

    例如

    $str_utf8 = utf8_encode("déjà_vu");

    如果我们这样做

    echo substr($str_utf8, 0, 3); // dé
    echo substr($str_utf8, 0, 2); // d�

    => 这是因为特殊字符“é”（和“à”）在内部用两个字节编码

    PHP 将从索引 0 开始读取第一个字节，它表示 `d`，然后移动到第二个字节，它是字符 ` é ` 的双字节编码的一部分，并且由于长度设置为 2，PHP 将在此停止并且不会继续读取第三个字节，因此它无法识别字符 ` é ` 并打印 � 而不是 é。

    2.B- 'mb_substr' 函数在字符级工作，并支持多字节编码字符。这意味着，PHP 只计算字符数量，而不考虑其编码的字节数，例如

    $str_utf8 = utf8_encode("déjà_vu");

    echo mb_substr($str_utf8, 0, 4, "UTF-8"); // Déjà
    echo mb_substr($str_utf8, 1, 4, "UTF-8"); // éjà_
    echo mb_substr($str_utf8, 6, 4, "UTF-8"); // u
    echo mb_substr($str_utf8, 7, 4, "UTF-8"); // ''
    echo mb_substr($str_utf8, -2, "UTF-8"); // vu
    echo mb_substr($str_utf8, -2, 1, "UTF-8"); // v
    echo mb_substr($str_utf8, -2, 3, "UTF-8"); // vu
    0
    desmatic at gmail dot com
    11年前
    快速遍历多字节字符串的简陋循环
    <?php
    function get_character_classes($string, $encoding = "UTF-8") {
    $current_encoding = mb_internal_encoding();
    mb_internal_encoding($encoding);
    $has = array();
    $stringlength = mb_strlen($string, $encoding);
    for (    $i=0; $i < $stringlength; $i++) {
    $c = mb_substr($string, $i, 1);
    if ((    $c >= "0") && ($c <= "9")) {
    $has['numeric'] = "numeric";
    } else if ((    $c >= "a") && ($c <= "z")) {
    $has['alpha'] = "alpha";
    $has['alphalower'] = 'alphalower';
    } else if ((    $c >= "A") && ($c <= "Z")) {
    $has['alpha'] = "alpha";
    $has['alphaupper'] = "alphaupper";
    } else if ((    $c == "$") || ($c == "£")) {
    $has['currency'] = "currency";
    } else if ((    $c == ".") && ($has['decimal'])) {
    $has['decimals'] = "decimals";
    } else if (    $c == ".") {
    $has['decimal'] = "decimal";
    } else if (    $c == ",") {
    $has['comma'] = "comma";
    } else if (    $c == "-") {
    $has['dash'] = "dash";
    } else if (    $c == " ") {
    $has['space'] = "space";
    } else if (    $c == "/") {
    $has['slash'] = "slash";
    } else if (    $c == ":") {
    $has['colon'] = "colon";
    } else if ((    $c >= " ") && ($c <= "~")) {
    $has['ascii'] = "ascii";
    } else {
    $has['binary'] = "binary";
    }
    }
    mb_internal_encoding($current_encoding);

    return     $has;
    }

    $string = "1234asdfA£^_{}|}~žščř";
    echo     print_r(get_character_classes($string), true);
    ?>

    数组
    (
    [numeric] => numeric
    [alpha] => alpha
    [alphalower] => alphalower
    [alphaupper] => alphaupper
    [currency] => currency
    [ascii] => ascii
    [binary] => binary
    )
    -3
    sanjuro at 1up-games dot com
    11年前
    当使用设置为 HTML-ENTITIES 编码的 mb_substr() 时，一个严重的陷阱是该函数在返回值之前执行了许多转换，最糟糕的是 HTML 特殊字符不仅会被计算，还会被解码。

    <?php

    mb_internal_encoding    ("ISO-8859-1"); echo mb_internal_encoding(),"\n<br><br>\n";

    $a='j&uuml;st &#228; &quot; simple &quot; &#26085;&#26412; &lt;b&gt;test&lt;/b&gt;';

    echo     mb_substr($a,0),"\n<br><br>\n";
    // 页面源代码：j&uuml;st &#228; &quot; simple &quot; &#26085;&#26412; &lt;b&gt;test&lt;/b&gt;

    echo mb_substr($a,0,strlen($a),'HTML-ENTITIES');
    // 页面源代码：j&uuml;st &auml; " simple " &#26085;&#26412; <b>test</b>

    ?>
    -5
    qdinar at gmail dot com
    8年前
    您可以使用 ucs-2 编码使 mb_substr 在处理长字符串时运行得更快。



    <?php

    header    ('Content-Type: text/html; charset=utf-8');
    echo     '<meta http-equiv="Content-Type" content="text/html; charset=utf-8" >';

    function     test($string, $encoding='utf8'){
    $t1=microtime(true);
    $textlen=mb_strlen($string);
    $substr_len=3;
    for(    $i=0;$i<$textlen-$substr_len+1;$i++){
    $substr=mb_substr($string,$i,$substr_len);
    }
    echo     'mb_substr, '.$encoding.': '.(microtime(true)-$t1);
    echo     ' . check: ';
    if(    $encoding=='ucs2'){
    $substr=mb_convert_encoding($substr,'utf-8','ucs2');
    }
    var_dump( $substr );
    echo     ' . <br>';
    echo     '<br>';
    }

    $corpus_short=str_repeat('тест Тест ',1000);
    // 它也以类似的速度缓慢地使用 utf8 的 "test Test"
    mb_internal_encoding('utf-8');
    test($corpus_short);

    $corpus_short_ucs2=mb_convert_encoding($corpus_short,'ucs2','utf-8');
    mb_internal_encoding('ucs2');
    test($corpus_short_ucs2,'ucs2');

    ?>

    输出

    mb_substr, utf8: 0.26480984687805 . check: string(5) "ст " .

    mb_substr, ucs2: 0.0048871040344238 . check: string(5) "ст " .
    ＋添加注释
    To Top