PHP substr在utf-8字符串上做什么？

Sammitch提醒我，我用Hexinator二进制编辑器仔细检查了输入，发现输入错误。所以这个问题结束了

_______原始问题：_______

我有一个UTF-8字符串，如下所示：

<?php $str = '收听'; ?>

在二进制中，$str是： E694B6E590AC

<?php $a = $str[1]; ?>

或

我得到的是二进制90美元，不是94美元

从$str[0]到$str[5]，我得到了新的二进制文件： E590ACE8AFB4

它们与$str的url编码相同： %E5%90%AC%E8%AF%B4

那么substr在UTF-8$str内部做了什么呢

顺便说一下，我不想使用mb_substr来剪切UTF-8字符串

<?php
/**
 * urlencodes complete string, including alphanumeric characters and multibyte characters
 * @param string $string the string to encode
 */
function urlencode_all($string){
    $chars = array();
    for($i = 0; $i < strlen($string); $i++){
        $char = (string)dechex(ord($string[$i]));
        if(strlen($char)==1) $char = '0'.$char;
        $chars[] = '%'.$char;
    }
    return implode('', $chars);
}
?>

我不明白为什么$str[0]是E5，而不是E6$str[1]是90，而不是94

我还有一个函数，如下所示，它对utf-8字符串执行substr或字符串索引

<?php
/**
 * urlencodes complete string, including alphanumeric characters and multibyte characters
 * @param string $string the string to encode
 */
function urlencode_all($string){
    $chars = array();
    for($i = 0; $i < strlen($string); $i++){
        $char = (string)dechex(ord($string[$i]));
        if(strlen($char)==1) $char = '0'.$char;
        $chars[] = '%'.$char;
    }
    return implode('', $chars);
}
?>

有人能解释一下substr在这里做了什么吗

顺便说一下，我不想使用mb_substr来剪切UTF-8字符串

<?php
/**
 * urlencodes complete string, including alphanumeric characters and multibyte characters
 * @param string $string the string to encode
 */
function urlencode_all($string){
    $chars = array();
    for($i = 0; $i < strlen($string); $i++){
        $char = (string)dechex(ord($string[$i]));
        if(strlen($char)==1) $char = '0'.$char;
        $chars[] = '%'.$char;
    }
    return implode('', $chars);
}
?>

欢迎来到地狱

有两个核心问题：

1.任何UTF码点都可以由UTF8中的1到4个字节组成。 在您的示例中，每个符号都是3字节UTF8序列，但在单个字符串中混合使用任意长度的字节序列是完全有效的。这使得使用

substr（）

变得不切实际，因为它以字节数操作

解决方案：使用

2.您看到的任何单个符号都可能由多个代码点组成。 虽然

mb_substr（）

可能能够将UTF8字符串分割成单独的代码点，但您有可能通过破坏特定的代码点序列来损坏字符串

本月8日，本月18日，本月18日，本月18日，本月18日，本月18日，本月18日，本月18日，本月18日，本月18日，本月18日，本月18日，本月18日，本月18日，本月18日，本月18日，本月18日，本月18日，本月18日，本月18日，本月8日，本月8日，本月8日，本月8日，本月8日，本月8日，本本月8日，本月8日，本月8日，本月8日，本月8日，本月8日，本月8日，本月8日，本月8日，本月8日，本本本本月，本月，本本月，本月，本本本月，本本本月8日，本本月8日，本本本月8日，本本本月，本本月，本本本月8日，本月8͎y͍̤͠实际上是：

00000000  54 d2 89 cc b2 cc b0 6f  cc a3 cd 95 cd 89 6e cd  |T......o......n.|
00000010  98 79 cd 95 cc a3 cc b9  cd 9a cd 87 cc 97 20 cd  |.y............ .|
00000020  89 cc ba cc 98 cc a3 cc  9f 74 cd 8d cc b9 cc 9f  |.........t......|
00000030  cc 99 68 cc ac cc b0 cc  aa cc ad cc 98 cd 8e cc  |..h.............|
00000040  a5 65 cc 9b cc ae 20 cc  a8 50 cd 95 cd 96 cc a9  |.e.... ..P......|
00000050  6f cd a1 6e cc 9b cd 95  cc a4 cc a5 cc bc cd 94  |o..n............|
00000060  cc a9 cd 8e 79 cd a0 cd  8d cc a4                 |....y......|

解决方案：嗯。。。如果有人知道这件事，请告诉我

据我所知，中文对多个代码点做的不多[虽然我不是专家]，所以你可能对

mb\u substr（）

没问题。[直到你不在]

最后 如果你想了解UTF8是如何工作的，维基百科上关于UTF8的文章真的很棒，我建议所有需要处理UTF8的人都阅读它

---

对我有用。看到了吗？您是否认为您的输入字符串根本不是您所认为的，并且输出是有效的？@Sammitch谢谢。我用Hexinator二进制编辑器仔细检查了输入，发现输入错误。所以问题解决了。对于$str，哪个二进制文件是E694B6E590AC，文件内容（$file，$str[0]），为什么我得到的是字节E5，而不是第一个字节E6？mb_substr可以。但这里的问题并不是割断一根绳子。