在PHP中比较两个Unicode字符串

Question

我在 PHP 中比较两个包含特殊字符 'ö' 的 Unicode 字符串时遇到了困难。一个字符串来自 $_GET，另一个是文件系统的文件夹名称（scandir()）。这两个字符串在我的看法下似乎是相等的，但实际上却不相等。

var_dump($filter);
var_dump($tail . '/' . $k);

在它们上面也显示了它们的相等性，但是有不同的字符串长度（？！）：

string '/blöb' (length=7)
string '/blöb' (length=6)

以下是我的代码片段来比较它们：

if($filter == ($tail . '/' . $k)) {
    /* ... */
}

这里发生了什么？ 额外信息：$tail是一个空字符串：

string '' (length=0)

- proximus

---

在你的两种情况下，print_r(unpack("H*",$k)) 返回什么？ - Anders Lindahl

请记住，某些文件系统使用NFD（或接近NFD），而您可能正在考虑NFC。如果要进行二进制比较，则需要将其规范化为相同的内容。但是，在文本上进行二进制比较是不明智的。您需要使用UCA进行文本比较。请参阅我在OSCON上的Unicode七种语言演讲。 - tchrist

Answer 1

请看这里：http://en.wikipedia.org/wiki/Unicode_equivalence，并使用这个：http://www.php.net/manual/en/class.normalizer.php 你可能在较长的字符串中有一个分解字符，这意味着一个 o 和一个叠加的 umlaut 组合字符覆盖了前一个字符。

规范化函数将修复这样的问题。

顺便提一下，如果您将输入用于等价性（例如用户名），则应始终对其进行规范化，即使字符串的二进制表示不同，也要确保两个人不选择相同的用户名。

- Ariel

---

这个答案需要安装 intl。所以如果你已经安装了，为什么不使用 collator_compare 呢？我正在寻找一个不使用 intl 的答案... - user9645

@user9645，所以您想处理Unicode字符串，包括它们的巨大复杂性，而不实际安装知道如何处理Unicode的库？我不认为这是可能的。 - Ariel

Ariel - 不，我只是想要一个替代GNU intl的选择。就这样。 - user9645

@user9645 intl不是GNU，它来自ICU库（最初由Talligent和IBM编写，然后由Sun接手），这是*定义性的Unicode库，实际上是Unicode的一部分。现在没有人再使用其他任何东西了。您可以尝试iconv和uconv，但我认为它们无法做到这一点，并且也不再维护。您能告诉我为什么要避免intl吗？ - Ariel

Answer 2

你可以尝试通过 utf8_encode() 解析它们并在那里检查吗？ PHP 不支持 Unicode，因此建议为一些基本的Unicode特性使用utf8_encode/decode。

http://php.net/manual/en/language.types.string.php

- Florian Margaine

---

感谢您回答我的问题。我投票支持您。 - Naeem Ul Wahhab