判断UTF-8文本是否全为ASCII？

Question

在PHP中，确定给定的UTF-8文本是否纯粹为ASCII的最快方法是什么？

- philfreo

Answer 1

可能更快的方法是使用负字符类（因为正则表达式只需在遇到第一个字符时停止，无需内部捕获任何内容）：

function isAscii($str) {
    return 0 == preg_match('/[^\x00-\x7F]/', $str);
}

没有正则表达式（根据我的评论）{

function isAscii($str) {
    $len = strlen($str) {
    for ($i = 0; $i < $len; $i++) {
        if (ord($str[$i]) > 127) return false;
    }
    return true;
}

但我必须问一下，你为什么这么关心速度呢？使用更易读和易理解的版本，只有当你确定它是个问题时才考虑优化它...

编辑：

另一个选择是mb_check_encoding：

function isAscii($str) {
    return mb_check_encoding($str, 'ASCII');
}

- ircmaxell

---

这将经常运行在大量文本上，我认为这两个选项都很易读，所以速度肯定更重要。 - philfreo

@philfreo：更新了一个答案...但是你最好的方法是使用你的条件实际测试这些选项，以确定哪个最快... - ircmaxell

但是显然 PHP 的 ord 函数在处理 UTF-8 时存在问题。 - barlop

不，ord（）总是一个单字节的“该字节的值”函数。 - ircmaxell

请注意，mb_check_encoding非常慢，而preg_match方法总是更快。 - Fleshgrinder

__基准测试__（对于小型ASCII字符串）：正则表达式是最快的方法。for循环和mb_check_encoding要慢大约7倍。 - undefined

Answer 2

检查是否有任何字节大于0x7f，或任何字符超过U+007F。

- Ignacio Vazquez-Abrams

---

非常简单的代码：$isNotAscii = false; for ($i=0,$len=strlen($string);$i<$len;$i++) { if (ord($string[$i]) > 127) { $isNotAscii = true; break; } }。它遍历字符串中的每个字符，查找大于127的字符... - ircmaxell

我相信在这种情况下preg_match会更快...虽然没有进行基准测试，但对于字符串模式匹配来说，它几乎总是更快的。 - Zathrus Writer

Answer 3

function isAscii($str) {
    return preg_match('/^([\x00-\x7F])*$/', $str);
}

// doesn't accept ASCII control characters
function isAsciiText($str) {
    return preg_match('/^([\x09\x0A\x0D\x20-\x7E])*$/', $str);
}

- philfreo

---

这将在一些有效的ASCII控制字符上失败。 - bcosca