PHP中字符串的内部表示

我正在PHP5.2.10上编写一个简单的网站解析器。
当使用默认内部编码（ISO-8859-1）时，我总是在同一个函数调用中得到一个错误：

$start = mb_strpos($index, '<a name=gr1>');

错误消失了。这是否意味着PHP对单字节字符串使用的内存比对多字节字符串使用的内存更多？怎么可能呢？有什么想法吗

UPD：内存使用率似乎不依赖于编码：使用UTF-8和ISO-8859-1时，平均内存使用率几乎相同。我认为问题可能出在mb_strpos中。 事实上，字符串$index具有Windows-1251编码（西里尔字母），因此它包含对UTF-8无效的符号。这可能会导致mb_strpo以某种方式尝试转换或仅使用额外的内存来满足某些需要。

---

将尝试在mb_strpos的源代码中找到答案。

如果您已经想到了这些潜在问题，请原谅

多字节字符串函数将检查UTF-8编码是否存在错误，如果存在无效字符，则返回空字符串或false（与mb_strps（）的情况相同）：

您是否正在使用

==

操作符检查您得到的结果，以确保您没有收到

false

而不是

0

mb_strops（）

函数使用

mbfl_strops（）

，当它必须执行转换时（如您所观察到的，导致内存增加），它会复制字符串（指针、草堆）：

因此，我想知道是否使用默认的内部编码（ISO-8859-1）让所有内容都通过了，并且达到了内存限制，而utf-8编码由于非法字符而短路并返回false（如果您使用

==

进行测试，则会使函数看起来只是没有找到匹配项。）

---

值得一试：）

可能有用吗？你考虑过升级你的PHP吗？首先是因为5.2不再受支持，其次是因为5.3和5.4版本都有显著的内存使用改进（特别是5.3）。不确定这些改进是否包括

mb\u strpos（）

，但无论如何升级都是值得的。认为您的更新是正确的。许多事情可能会影响。。。mb_detect_顺序，使用“auto”或“pass”等等。使用

iconv

可以很好地确保字符串“正常”，并匹配检测到的/设置的编码。希望配置文件并查看它对1252控制代码所做的操作。哦，邪恶的m-dash。我已经更新到5.3，这个问题并没有消失。我已经通过使用iconv将字符串转换为UTF-8并将其设置为内部编码暂时解决了这个问题。稍后将分析PHP源代码。一个不错的镜头！为了检查结果是

false

还是

0

我已经编写了一个类似于

assert（）

的函数，严格执行检查（==）。但现在我不明白为什么PHP需要4倍的strlen内存——事实上，它将两个参数都转换为UTF-8（而不是

mb\u internal\u encoding（）

）。感谢您的研究和所附的资料来源！；）

mb_internal_encoding('UTF-8')