核心要點

• 盡管PHP能夠處理多字節(jié)變量名和Unicode字符串，但由于將字符串視為單字節(jié)字符序列，該語言缺乏全面的Unicode支持。此限制影響字符串操作的各個方面，包括子字符串提取、確定字符串長度和字符串分割。
• Portable UTF-8是一個用戶空間庫，它為PHP應用程序帶來Unicode支持。它構(gòu)建在mbstring和iconv之上，提供大約60個基于Unicode的字符串操作、測試和驗證函數(shù)，并使用UTF-8作為其主要字符編碼方案。該庫完全可移植，可與任何PHP 4.2或更高版本的安裝一起使用。
• Portable UTF-8庫提供多個處理Unicode字符串的函數(shù)，包括UTF-8輸入驗證、去除無效字節(jié)、將文本編碼為HTML實體以防止XSS攻擊、修剪空格、刪除重復空格、創(chuàng)建包含UTF-8字符的URL片段以及強制限制輸入字符長度。這確保了在支持Unicode的應用程序中，重點從字節(jié)和字節(jié)長度轉(zhuǎn)移到字符和字符長度。

PHP允許使用多字節(jié)變量名（例如$a∩b、$?xy和$Δx），mbstring和其他擴展程序可處理Unicode字符串，utf8_encode()和utf8_decode()函數(shù)可在UTF-8和ISO-8859-1編碼之間轉(zhuǎn)換字符串。然而，人們普遍認為PHP缺乏Unicode支持。本文介紹了缺乏Unicode支持的含義，并演示了如何使用一個為PHP應用程序帶來Unicode支持的庫——Portable UTF-8。

PHP中的Unicode支持

PHP缺乏Unicode/多字節(jié)支持意味著標準字符串處理函數(shù)將字符串視為單字節(jié)字符序列。事實上，PHP官方手冊將PHP中的字符串定義為“一系列字符，其中一個字符與一個字節(jié)相同”。PHP僅支持8位字符，而Unicode（以及許多其他字符集）可能需要多個字節(jié)來表示一個字符。PHP的這一限制幾乎影響字符串操作的各個方面，包括（但不限于）子字符串提取、確定字符串長度、字符串分割、混排等。解決這個問題的努力始于2005年初，但在2010年，由于多種原因，將原生Unicode支持引入PHP的工作被停止并擱置。由于PHP中的原生Unicode支持可能需要數(shù)年時間才能實現(xiàn)（如果真的會實現(xiàn)的話），開發(fā)人員必須依賴可用的mbstring和iconv等擴展來填補這一空白，但這些擴展只提供有限的Unicode支持。這些庫并非以Unicode為中心，也能夠在非Unicode編碼之間進行轉(zhuǎn)換。它們?yōu)楹喕疷nicode字符串處理做出了積極貢獻。但是，上述擴展也有一些缺點。它們僅提供有限的Unicode字符串處理功能，并且沒有一個默認啟用。服務器管理員必須顯式啟用任何一個或所有擴展才能通過PHP應用程序訪問它們。共享主機提供商通常會通過安裝一兩個擴展來使情況變得更糟，這使得開發(fā)人員難以依靠始終可用的API來滿足其Unicode需求。盡管如此，好消息是PHP可以輸出Unicode文本。這是因為PHP并不真正關(guān)心我們是否正在發(fā)送以ASCII編碼的英文文本或?qū)儆谄渥址远鄠€字節(jié)編碼的語言的其他文本。了解這一點后，PHP開發(fā)人員現(xiàn)在只需要一個提供舒適的基于Unicode的字符串操作的API。

Portable UTF-8

最近的解決方案是創(chuàng)建用PHP編寫的用戶空間庫。即使服務器/語言級別缺少支持，這些庫也可以輕松地與應用程序捆綁在一起，以確保Unicode支持的存在。許多開源應用程序已經(jīng)包含了自己的此類庫，還有更多應用程序使用免費提供的第三方庫；Portable UTF-8就是這樣一個庫。Portable UTF-8是一個免費的輕量級庫，構(gòu)建在mbstring和iconv之上。它擴展了這兩個擴展的功能，提供了大約60個基于Unicode的字符串操作、測試和驗證函數(shù)；它為幾乎所有PHP的常用字符串處理函數(shù)提供了UTF-8感知的對應函數(shù)。顧名思義，Portable UTF-8使用UTF-8作為其主要字符編碼方案。該庫出于速度原因而使用可用的擴展（mbstring和iconv），并彌合了直接使用它們時的一些不一致之處，但如果服務器上沒有這些擴展，則會回退到用純PHP編寫的UTF-8例程。Portable-UT8完全可移植，可與任何PHP 4.2或更高版本的安裝一起使用。

使用Portable UTF-8進行字符串處理

具有較差Unicode支持的文本編輯器在讀取文本時可能會損壞文本，從這樣的編輯器復制并粘貼到Web表單中的文本可能是應用程序無效UTF-8的來源。在處理用戶提交的輸入時，務必確保輸入完全符合應用程序的預期。要檢測文本是否為有效的UTF-8，可以使用庫的is_utf8()函數(shù)。

if (is_utf8($_POST['title'])) {
    // 執(zhí)行某些操作...
}

從無效字節(jié)中恢復字符是不可能的，因此去除無法識別為有效UTF-8字符的字節(jié)可能是您的唯一選擇?？梢允褂?code>utf8_clean()函數(shù)去除無效字節(jié)。

$title = utf8_clean($_POST['title']);

每個Unicode字符都可以編碼為相應的HTML實體，您可能希望以這種方式編碼文本以幫助防止XSS攻擊，然后再將其輸出到瀏覽器。

echo utf8_html_encode($title);

通常會在字符串的開頭和結(jié)尾修剪空格。Unicode列出了大約20個空格字符，還有一些基于ASCII的控制字符也應被視為需要修剪的對象。

$title = utf8_trim($title);

另一方面，字符串中間可能存在此類空格的重復項，應將其刪除。以下顯示了如何將utf8_remove_duplicates()和utf8_ws()組合使用：

$title = utf8_remove_duplicates($title, utf8_ws());

用于創(chuàng)建URL片段以實現(xiàn)SEO目的的傳統(tǒng)解決方案使用音譯并從片段中去除所有非ASCII字符。這使得URL的價值低于其本來的價值。雖然URL可以支持UTF-8編碼的字符，但無需進行此類去除或音譯，我們可以創(chuàng)建包含任何語言字符的豐富片段：

$slug = utf8_url_slug($title, 30); // 字符長度30

從輸入驗證開始到將數(shù)據(jù)保存到某個數(shù)據(jù)庫，支持Unicode的應用程序關(guān)注的是字符和字符長度，而不是字節(jié)和字節(jié)長度。這種關(guān)注點的轉(zhuǎn)變需要一個理解這種差異的新接口。通常需要對輸入字符長度進行限制，因此，如果輸入超過60個字符的長度，我們將創(chuàng)建一個子字符串。

if (utf8_strlen($title) > 60) {
    $title  = utf8_substr($title, 0, 60);
}

或者：

if (!utf8_fits_inside($title , 60)) {
    $title  = utf8_substr($title, 0 ,60);
}

使用Portable-UT8庫有三種不同的方法可以訪問單個字符。我們可以使用utf8_access()來訪問單個字符。

echo '第六個字符是：' . utf8_access($string, 5);

utf8_chr_map()允許使用回調(diào)函數(shù)迭代地訪問單個字符。

utf8_chr_map('some_callback', $string);

我們可以使用utf8_split()將字符串拆分為字符數(shù)組，并將數(shù)組元素作為單個字符進行處理。

array_map('some_callback', utf8_split($string));

處理Unicode可能還需要我們查找字符串中的最小/最大代碼點、分割字符串、處理字節(jié)順序標記、字符串大小寫轉(zhuǎn)換、隨機化/混排、替換等。所有這些都受Portable-UT8支持。

結(jié)論

PHP 6的開發(fā)已被停止，導致長期需要的原生Unicode支持被推遲，這對于開發(fā)多語言應用程序至關(guān)重要。因此，在此期間，服務器端擴展和用戶空間庫（如Portable UTF-8）在幫助開發(fā)人員創(chuàng)建更好的標準化Web，以滿足本地需求方面發(fā)揮著重要作用。

(由于篇幅限制，此處省略了FAQs部分)

以上是使用便攜式UTF-8將Unicode帶到PHP的詳細內(nèi)容。更多信息請關(guān)注PHP中文網(wǎng)其他相關(guān)文章！