PHP : passer au multioctet-tutoriel php-php.cn

PHP: Going multibytes

Les caractères multi-octets peuvent être délicats en programmation.

Avertissement

mbstring n'est pas activé par défaut. Assurez-vous de lire cette partie avant.

Pourquoi s'embêter avec des chaînes multi-octets ?

Un document peut contenir des chaînes multi-octets. Bien que PHP dispose de nombreuses aides utiles pour les chaînes, ces aides ne sont tout simplement pas destinées aux chaînes multi-octets.

Cela provoquera probablement de vilains bugs et d'autres erreurs inattendues, surtout lorsque vous comptez les caractères.

C'est pourquoi vous préférez utiliser les fonctions de chaîne multi-octets en PHP.

De plus, de nouvelles fonctions de chaîne multi-octets, telles que mb_trim, mb_ltrim et mb_rtrim, seront disponibles dans la version 8.4 (la prochaine version de PHP au moment de la rédaction).

Pourquoi certains caractères nécessitent-ils plusieurs octets ?

L'anglais utilise le jeu de caractères ASCII, donc les lettres comme r ou s ne nécessitent qu'un seul octet.

En revanche, certaines langues utilisent des caractères qui nécessitent plus d'un octet, par exemple les caractères Han (cela peut aller jusqu'à 6 octets !).

Quelques exemples

Compter les caractères

$strings = [ "?????", "チャーミング", "González", ]; foreach ($strings as $string) { echo 'strlen:' . strlen($string) . ' vs. mb_strlen:' . mb_strlen($string) . PHP_EOL; }

Copier après la connexion

Trouver un poste

echo strpos("チャーミング", "ャ"); // gives 3 echo mb_strpos("チャーミング", "ャ"); // gives 1 because 1st position is 0

Copier après la connexion

Couper la ficelle

echo substr("チャーミング", 3) . PHP_EOL;// ャーミング echo mb_substr("チャーミング", 3);// ミング

Copier après la connexion

Impact sur les performances

Vous lirez peut-être que les fonctions mbstring peuvent avoir un impact significatif.

Vous pouvez même le reproduire avec le script suivant :

$cnt = 100000; $strs = [ 'empty' => '', 'short' => 'zluty kun', 'short_with_uc' => 'zluty Kun', 'long' => str_repeat('this is about 10000 chars long string', 270), 'long_with_uc' => str_repeat('this is about 10000 chars long String', 270), 'short_utf8' => 'žlutý kůň', 'short_utf8_with_uc' => 'Žlutý kŮň', ]; foreach ($strs as $k => $str) { $a1 = microtime(true); for($i=0; $i < $cnt; ++$i){ $res = strtolower($str); } $t1 = microtime(true) - $a1; // echo 'it took ' . round($t1 * 1000, 3) . ' ms for ++$i'."\n"; $a2 = microtime(true); for($i=0; $i < $cnt; $i++){ $res = mb_strtolower($str); } $t2 = microtime(true) - $a2; // echo 'it took ' . round($t2 * 1000, 3) . ' ms for $i++'."\n"; echo 'strtolower is '.round($t2/$t1, 2).'x faster than mb_strtolower for ' . $k . "\n\n"; }

Copier après la connexion

Source : bugs PHP

Les fonctions mb_* sont plus lentes, mais c'est toujours un compromis, et seul le contexte doit déterminer si vous devez utiliser ces assistants ou créer les vôtres.

Par exemple, si vous remplacez $cnt = 100000; par $cnt = 100 ; dans le script ci-dessus, les assistants mb_* sont encore beaucoup plus lents, mais l'impact final pourrait être correct dans votre cas (par exemple, 0,008 ms contre 0,004 ms).