mb_ereg_search_init 作为单字节工作？

发布于 2024-10-16 04:06:01 字数 353 浏览 3 评论 0原文

检查这个片段：（

mb_internal_encoding("UTF-8");
mb_regex_encoding("UTF-8");
mb_ereg_search_init('καλημέραCCC', 'C+');
$pos = mb_ereg_search_pos();
echo $pos[0];

请不要评论这个特定的示例，这不是我的用例，它是我遇到的问题的减少）

即使字符串“καλημέρα”由 8 个字符组成，上面的片段也会打印 16。我错过了什么吗？ mb_ereg_search_init 不应该支持多字节吗？如果是的话，是否有任何内置函数可以满足我的需要？

提前致谢。

原文

Check this snippet:

mb_internal_encoding("UTF-8");
mb_regex_encoding("UTF-8");
mb_ereg_search_init('καλημέραCCC', 'C+');
$pos = mb_ereg_search_pos();
echo $pos[0];

(Please don't comment on this specific example, it's not my use case, it's a reduction of the problem I'm having)

Even though the string "καλημέρα" consists of 8 characters, the snippet above prints 16.
Am I missing something? Isn't mb_ereg_search_init supposed to support multi-byte?
And if I am, is there any built-in function that does what I need?

Thanks in advance.

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

海未深 2024-10-23 04:06:01

来自 mb_ereg_search_pos< 的手册页/a>:

包含多字节匹配部分位置的数组
正则表达式。数组的第一个元素将是
匹配部分的开头，第二个元素将是长度（字节）
的匹配部分。出错时返回 FALSE。

我的解释是它总是返回字节数，而不是实际位置。如果您检查更多这些多字节函数，至少有

如果你想知道第一个C的位置，你可以使用mb_strpos：

mb_strpos('καλημέραCCC', 'C'); // 8

如果您想不惜一切代价简单地破解它，有一个解决方案。你必须先解码字符串：

mb_ereg_search_init(utf8_decode('καλημέραCCC'), 'C+');

字符串变成?????????CCC，每个问号正好是1个字节，你可以正确计算它们。但是，如果您现在想在正则表达式中使用多字节字符（'λ+'），它将不起作用。

From manual page for mb_ereg_search_pos:

An array including the position of a matched part for a multibyte
regular expression. The first element of the array will be the
beginning of matched part, the second element will be length (bytes)
of matched part. It returns FALSE on error.

My interpretation is that it's always returning number of bytes, not the actual position. If you check more of these multi-byte functions, there is at least one more that hints that it's supposed to work this way. Don't ask me what's the purpose of this function then...

If you want to know just position of first C, you can use mb_strpos:

mb_strpos('καλημέραCCC', 'C'); // 8

If you want to simply hack it at all costs, there's a solution. You have to decode the string first:

mb_ereg_search_init(utf8_decode('καλημέραCCC'), 'C+');

String becomes ????????CCC, each of question marks is exactly 1 byte and you are able to count them properly. However, if you wanna use multi-byte character in regexp now ('λ+'), it won't work.

回复收藏 0 原文

~没有更多了~