如何使用特殊编码获取单词中的每个字符

Question

我需要获取一个字符串中所有字符的数组，但该字符串可能包含特殊编码字母，比如á。当我执行以下代码时：

$word = 'withá';

$word_arr = array();
for ($i=0;$i<strlen($word);$i++) {
    $word_arr[] = $word[$i];
}

或者

$word_arr = str_split($word);

我得到的结果是：

数组（6）{[0] =>字符串（1）“w” [1] =>字符串（1）“i” [2] =>字符串（1）“t” [3] =>字符串（1）“h” [4] =>字符串（1) “Ô [5] =>字符串（1) “¡”}

要如何获得每个字符如下所示？

数组（5）{[0] =>字符串（1）“w” [1] =>字符串（1）“i” [2] =>字符串（1）“t” [3] =>字符串（1）“h” [4] =>字符串（1) “á”}

提示：您可以使用PHP的mb_convert_encoding函数将编码转换为正确的格式。

- leticia

Answer 1

因为它是一个UTF-8字符串，所以只需执行以下操作：

$word = 'withá';
$word = utf8_decode($word);
$word_arr = array();
for ($i=0;$i<strlen($word);$i++) {
    $word_arr[] = $word[$i];
}

这是因为即使在脚本中看起来正确，解释器仍将其转换为多字节字符（这也是为什么mb_split()有效的原因）。要将其转换为正确的UTF-8格式，您可以使用mb函数或只需指定utf8_decode()。

- Tim Withers

Answer 2

我认为mb_split可以为您完成此操作：http://www.php.net/manual/en/function.mb-split.php 如果您使用特殊编码，则可能希望了解PHP如何处理多字节编码。

编辑：不，我无法弄清楚如何使mb_split自己完成此操作，但在SO上找到了一些其他问题，这些问题通过preg_split得到了答案。我测试了这个方法，它似乎正好符合您的要求：

preg_split('//',$word,-1,PREG_SPLIT_NO_EMPTY);

我强烈建议您阅读有关 PHP 中多字节字符的相关知识，这个领域有点混乱，以我个人之见。

以下是一些好的链接： http://www.joelonsoftware.com/articles/Unicode.html 和 http://akrabat.com/php/utf8-php-and-mysql/ 还有很多其他的链接可以找到...

- Aerik

---

你推荐在这种情况下使用哪个$pattern（mb_split函数的第一个参数）？ - leticia

mb_split并不完全符合需求。它只能基于正则表达式进行分割，而不能直接将字符串分割成字符数组。然而，在该函数页面的评论区中间，有一个可以满足需求的函数。 - G-Nugget

@G-Nugget - 很好的观点，即使有点违反直觉。我也无法让它起作用，并已修改了我的答案。 - Aerik

Answer 3

来源于：http://www.php.net/manual/zh/function.str-split.php#107658

    function str_split_unicode($str, $l = 0) {
        if ($l > 0) {
            $ret = array();
            $len = mb_strlen($str, "UTF-8");
            for ($i = 0; $i < $len; $i += $l) {
                $ret[] = mb_substr($str, $i, $l, "UTF-8");
            }
            return $ret;
        }
        return preg_split("//u", $str, -1, PREG_SPLIT_NO_EMPTY);
    }

   $word = 'withá';
   $word = str_split_unicode($word);
   var_dump($word);

- Slavenko Miljic

---

不起作用，返回值为：array(5) { [0]=> string(1) "w" [1]=> string(1) "i" [2]=> string(1) "t" [3]=> string(1) "h" [4]=> string(2) "á" } - leticia

很奇怪，在我的服务器上我得到了：array(5) { [0]=> string(1) "w" [1]=> string(1) "i" [2]=> string(1) "t" [3]=> string(1) "h" [4]=> string(2) "á" } - Slavenko Miljic

@leticia2602 - 我猜测你的文件没有使用utf-8编码保存 - 如果Tim Withers的答案对你有用，而这个答案不行，那么你的文件可能是用其他编码方式编码的。尝试使用一个编辑器（比如Notepad2），让你指定编码方式。 - Aerik

@Slave 我的 PHP 版本是 5.3.10-1ubuntu3.4。 - leticia

@Aerik 我正在使用 Collation: utf8_general_ci 从 MySql 表中获取值。 - leticia

@leticia2602 好的 - 我认为你仍然需要在MySQL中执行 SET NAMES UTF8;，并且我认为你应该将PHP源代码文件编码为UTF-8。 - Aerik

Answer 4

对于所有的多字节字符集，您应该使用多字节函数！我猜mb_split是它的替代品：

http://php.net/manual/en/function.mb-split.php

- wegus