/ mb_strlen

utf-8字符串切割(支持汉语、日文、韩文)

因为mb_substr、mb_strlen太过低效,故而采用了此段代码。

非原创,作者未知。

主要原理是根据UTF-8的编码特点
0xxxxxxx
110xxxxx 10xxxxxx
1110xxxx 10xxxxxx 10xxxxxx
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
来获取字符边界,从而确定一个字所占字节数,并处理成数组。

方便对字符操作比较频繁的用户,此函数效率比mb_substr高效10倍,我曾经写过一个「N万违禁词替换类」,在开发此类过程中,详细对比过这两者的效率,此函数明显胜出。

function str_split_utf8($str) { // place each character of the string into and array $split = 1; $array = array(); $len = strlen($str); for ( $i = 0; $i < $len; ){ $value = ord($str[$i]); if($value > 127){ if($value >= 192 && $value <= 223) $split = 2; elseif($value >= 224 && $value <= 239) $split = 3; elseif($value >= 240 && $value <= 247) $split = 4; } else { $split = 1; } $key = NULL; for ( $j = 0; $j < $split; ++$j, ++$i ) { $key .= $str[$i]; } $array[] = $key; //array_push( $array, $key ); //原文此句比较低效,取消 } return $array; }

转自http://www.oschina.net/code/snippet_260395_9557

utf-8字符串切割(支持汉语、日文、韩文)
Share this