在 UTF-8 字符串上使用数组索引时输出错误

Question

我在使用 UTF-8 字符串时遇到了问题。我想从字符串中读取单个字符，例如：

$string = "üÜöÖäÄ";
echo $string[0];

我期待看到ü，但我得到了——为什么？

Answer 1

请改用mb_substr($string, 0, 1, 'utf-8') 来获取角色。

在您的代码中发生的情况是表达式 $string[0] 获取字符串的 UTF-8 编码表示的第一个 字节，因为 PHP 字符串实际上是字节数组（PHP 不内部识别编码）。

由于字符串中的第一个字符由多个字节组成 (UTF-8 encoding rules)，因此您实际上只能获取字符的一部分。此外，这些规则使您检索的字节无效，无法单独作为一个字符，这就是您看到问号的原因。

mb_substr知道编码规则，所以不会天真地只给你一个字节；它将获得对第一个字符进行编码所需的数量。

您可以看到 $string[0] 只返回一个字节：

$string = "üÜöÖäÄ";
echo strlen($string[0]);

虽然mb_substr 会返回两个字节：

$string = "üÜöÖäÄ";
echo strlen(mb_substr($string, 0, 1, 'utf-8'));

而这两个字节实际上只是一个字符（为此需要使用mb_strlen）：

$string = "üÜöÖäÄ";
echo mb_strlen(mb_substr($string, 0, 1, 'utf-8'), 'utf-8');

最后，正如 Marwelln 在下面指出的那样，如果您使用 mb_internal_encoding 摆脱 'utf-8' 冗余，情况会变得更容易接受：

$string = "üÜöÖäÄ";
mb_internal_encoding('utf-8');
echo mb_strlen(mb_substr($string, 0, 1));

您可以see most of the above in action。