处理多字节子串时，json_encode返回false

Question

我正在使用几乎最新版本的php（5.5.11），这里出现了问题。当我对字符串的一部分使用json_encode时，它返回false。一开始我使用的是substr，但后来我意识到使用这个函数处理非英文字符串是完全错误的。但即使我使用了mb_substr，我仍然看到json_encode返回false:

$s = "に搭載されるようになると、その手軽さからJは急速に普及していく。、通信に関する標準を策定する国際団体インターナショナル";
$a = mb_substr($s, 0, 10);

如您所见，

var_dump( json_encode([
    'd' => $a
]) );

返回 false。

var_dump( json_encode([
    'd' => $s
]) );

返回正确的json。

当查看 json_last_error 时，我发现这是由于 Malformed UTF-8 characters, possibly incorrectly encoded。因此问题是 mb_substr 给出了格式错误的字符。

当我查看 var_dump($a); 时，我看到它产生了 string(10) "に搭載�"（我假设每个日语字符占3个字节，那个问号就是格式错误的字符）。

那么如何从字符串中获取子字符串，以便不会得到格式错误的字符串呢？

- Salvador Dali

Answer 1

只需将utf-8编码作为mb_substr()的第四个参数传递，您就可以开始使用了。

$a = mb_substr($s, 0, 10,'utf-8');
echo $a; // に搭載されるようにな
echo json_encode($a); // "\u306b\u642d\u8f09\u3055\u308c\u308b\u3088\u3046\u306b\u306a"

演示

该链接是一个演示页面。

- Shankar Narayana Damodaran

---

如果这解决了问题，那么这是否意味着您的 mb_internal_encoding 没有设置为 'utf-8'？正确设置内部编码难道不是更好的解决方案吗？ - Darren Cook