Warum werden preg_match()-Offsets in Bytes und nicht in Zeichen angegeben, selbst mit UTF-8-Unterstützung?

PREG_OFFSET_CAPTURE und UTF-8-Strings: Eine Byte-Zählungsinkongruenz

Beim Abgleichen von UTF-8-Strings mithilfe von preg_match() mit dem PREG_OFFSET_CAPTURE-Parameter können Benutzer auf ein unerwartetes Problem stoßen Verhalten, bei dem Offsets in Bytes statt in Zeichen gezählt werden. Trotz der Verwendung des u-Modifikators, der UTF-8-Unterstützung sowohl für das Muster als auch für den Betreff ermöglicht, bleiben erfasste Offsets bytebasiert.

Behebung des Byte-Zählproblems

Um diese Diskrepanz zu beheben und zu erhalten Bei zeichenbasierten Offsets kann ein Workaround mit mb_strlen eingesetzt werden. Diese Funktion stellt die UTF-8-Zeichenanzahl für eine angegebene Teilzeichenfolge bereit. Durch die Verwendung von mb_strlen für die Teilzeichenfolge der Betreffzeichenfolge vor der erfassten Übereinstimmung können wir den genauen Zeichenversatz ermitteln.

Hier ist ein modifiziertes Beispiel:

$str = "\xC2\xA1Hola!";
preg_match('/H/u', $str, $a_matches, PREG_OFFSET_CAPTURE);
echo mb_strlen(substr($str, 0, $a_matches[0][1])); // Outputs 1

Durch die Einbindung von mb_strlen stellen wir dies sicher Offsets stellen Zeichenpositionen innerhalb der UTF-8-Zeichenfolge dar und liefern ein präzises und erwartetes Ergebnis.

Das obige ist der detaillierte Inhalt vonWarum werden preg_match()-Offsets in Bytes und nicht in Zeichen angegeben, selbst mit UTF-8-Unterstützung?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!