在PHP中解析多字节字符串

我想写一个基于状态机的（HTML）解析器，但我怀疑如何正确读取/使用输入。我决定将整个输入加载到一个字符串中，然后像处理数组一样处理它，并将其索引保持为当前解析位置

单字节编码不会有问题，但在多字节编码中，每个值并不代表一个字符，而是代表一个字符的一个字节

示例：

$mb_string = 'žščř'; //4 multi-byte characters in UTF-8

for($i=0; $i < 4; $i++)
{
   echo $mb_string[$i], PHP_EOL;
}

Ĺ
ž
Ĺ
Ą

这意味着我不能迭代循环中的字符串来检查单个字符，因为我不知道是否在字符的中间。< /P> 因此，问题是：

• 如何安全读取多字节数据 字符串中的单个字符 性能友好的方式
• 和你的朋友一起工作是个好主意吗 字符串，因为它是此 案子
• 您将如何读取输入
就是你要找的东西
• 只需要一个接一个的mb_substr字符
• 直到PHP6
• 到底是什么输入？通常的方式

mb_内部编码（“UTF-8”）；
$mb_string='闑闗ř'；
$l=mb_字符串（$mb_字符串）；
对于（$i=0；$i而不使用mdb_related函数和多字节编码字符串，您可以使用标准子字符串函数，该函数读取用于编码的字节的倍数

例如，对于UTF-8编码（2字节）字符串，如果需要字符串中的第一个字符

$string = 'žščř'; //4 multi-byte characters in UTF-8

您必须获得$string[0]和$string[1]值，因此实际上您正在寻找索引0和1之间的子字符串（第一个字符）

请注意，$string[0]或$string[N]将引用多字节字符串的第一个字节（或第N个字节）

关于，
请注意，
mb_split
的注释部分包含了许多如何将多字节字符串分解为字符数组的示例-例如，@Dav我认为他并不真的需要数组。输入指的是要解析的HTML代码。可能有完全不同的方法将字符串与状态机w一起使用我错过了：-）。。。但是mb_substr看起来不错（如果我知道字符串编码，这不是很明显）@Dav谢谢，我正在考虑将字符串转换为字符数组，但我认为这不是最干净的解决方案之一。我会觉得很脏：-）这里的问题是
mb\u substr
是（我猜）
O（n）
所以每个字符调用
mb\u substr
一次将是
O（n^2）
。如果您可能要处理非常大的字符串，那么这将变成一个性能问题。不幸的是，我认为目前没有更好的选择；也有黑客，但他们只适用于UTF-8。理想的解决方案是
O（n）
，适用于mbstring支持的所有编码；不幸的是，如果不修补mbstring，我认为这样的解决方案实际上是不可能的。要知道我必须读取多少字节并不难？这是一个简单的示例，但一般来说，我不知道输入上有哪些字符（UTF-8字符可以是1-4字节长）。是的，您必须确定使用了多少字节，但这是一个答案，它可能会为您提供一些有关使用非mb_相关函数以及操作多字节字符串的信息。希望您觉得它有用。这个答案有误导性，因为它表明所有UTF-8字符都是2字节长的。实际上，字节长度取决于所表示的字符。正如@PetrPeller在上面的评论中所指出的，UTF-8字符可以占用1个字节，也可以占用4个字节。
$string = 'žščř'; //4 multi-byte characters in UTF-8