Php mb#u substr（）来自json#u decode（）'；d表情符号

我有以下JSON:

“\ud83e\uddea test”

，它被解码成

，最终我明白了：给定字符串、偏移量和长度，其中

offset   Integer   Offset in UTF-16 code units to the start of the entity
length   Integer   Length of the entity in UTF-16 code units

offset以UTF-16代码单位表示的整数偏移量到实体开头的偏移量
长度以UTF-16代码单位表示的实体的整数长度

文档中说偏移量是以“到实体开头的UTF-16代码单位”给出的。如果我先使用
mb_convert\u encoding
将解码的JSON值转换为
UTF-16
，然后使用
mb_substr（$data，2，null，'UTF-16'）
，结果是
test
（作为一个8字节长的UTF-16字符串，因此您可能需要转换回UTF-8。）使用
2
对我来说似乎有点合乎逻辑，因为当他们说这是UTF-16代码单位的偏移量时，如果我正确解释的话，这意味着
3
指的是第三个字符，但由于PHP从0开始计数，所以必须减少1。最后一部分不是100%确定的，再举几个在不同位置/不止一个位置具有这种特殊字符的输入数据示例，可能有助于验证这一点。@CBroe不一定。来自实体的信息实际上是
3
。因为我们认为表情符号由2个字符组成，每个字符有2个字节，并且考虑到空间，我们在
“test”
之前有
3个
字符。PHP理解表情符号是一个4字节的字符（这对我来说更有意义）。基本上，我认为电报如何向我们发送信息（我认为这是不正确的）比PHP无法以这种方式处理的事实更重要。我要说的是，你对UTF-16的理解是错误的。我很确定内部字符编码（
mb\u internal\u encoding（）
）是
UTF-8
。因此，
substr（$decoded，5，4）
或
mb_substr（$decoded，2，4）
或
iconv_substr（$decoded，2，4）
应提取单词
test
。然而，
substr
是最差的，IMHO.@JosefZ实际上，任何编码都不起作用。见：