如果仅将有效的 UTF-8 编码字符串作为参数给出 str_replace 是否可以安全地用于 UTF-8 编码字符串？答案

【问题标题】：Can str_replace be safely used on a UTF-8 encoded string if it's only given valid UTF-8 encoded strings as arguments?如果仅将有效的 UTF-8 编码字符串作为参数给出 str_replace 是否可以安全地用于 UTF-8 编码字符串？
【发布时间】：2010-04-16 10:33:23
【问题描述】：

PHP 的 str_replace() 仅用于 ANSI 字符串，因此可以破坏 UTF-8 字符串。但是，考虑到它是二进制安全的，如果只给它有效的 UTF-8 字符串作为参数，它会正常工作吗？

编辑：我不是在寻找替代函数，我只是想知道这个假设是否正确。

【问题讨论】：

标签： php utf-8

【解决方案1】：

是的。 UTF-8 特意设计为允许这种和其他类似的非 Unicode 感知处理。

在 UTF-8 中，任何表示有效字符的非 ASCII 字节序列始终以 \xC0-\xFF 范围内的字节开头。该字节可能不会出现在序列中的任何其他位置，因此您无法创建与字符的一部分匹配的有效 UTF-8 序列。

旧的多字节编码不是这种情况，字节序列的不同部分是无法区分的。这导致了很多问题，例如尝试替换 Shift-JIS 字符串中的 ASCII 反斜杠（其中字节 \x5C 可能是表示其他内容的字符序列的第二个字节）。

【讨论】：

【解决方案2】：

这是正确的，因为 UTF-8 多字节字符完全是非 ASCII（128+ 字节值）字符，以一个定义后面有多少字节的字节开头，因此您不会意外地匹配一个 UTF-8 的一部分多字节字符与另一个。

可视化（抽象地）：

a 用于 ASCII 字符
2x 用于 2 字节字符
3xx 用于 3 字节字符
4xxx 用于 4 字节字符

如果你匹配，比如说，a2x3xx（a ASCII 范围内的字节），因为a x，并且2x 不能是3xx 或4xxx 的子集，等等，你可以确保你的 UTF-8 正确匹配，前提是所有字符串都是绝对有效的 UTF-8。

编辑：请参阅bobince 的答案以获得不那么抽象的解释。

【讨论】：

【解决方案3】：

嗯，我确实有一个反例：我有一个 UTF8 编码设置“.ini”文件，指定应用程序设置，如电子邮件发件人名称。它说的是：

email_from = Märta

我从那里读到变量$sender。现在我替换了消息正文（又是 UTF8）

问候 {发件人}

$message = str_replace("{sender}",$sender_name,$message);

电子邮件在各个方面都绝对正确，但发件人完全崩溃了。当 UTF 字符串出现问题时，还有其他情况（例如 explode() ）。它在转换之前是健康的，但在转换之后却不是。很抱歉，似乎无法纠正这种行为。

编辑：实际上，explode() 参与了 .ini 文件的解析，所以问题很可能出在那个函数上，所以 str_replace() 很可能是无辜的。

【讨论】：

您绝对肯定您的电子邮件正文已正确声明为 UTF-8 编码？
是的，绝对是肯定的。以前使用explode() 时我有过奇怪的经历。一个简化的例子：function ech1($var){ echo $var; } 功能 ech2($var){$parts=explode("|",$var);回声 $parts[1];} echo1($var); // 没问题 // 现在从 db ("Bjorn|Weckström") 获取连接的结果字符串并使用第二个函数 echo2($concatenated);使用explode() 的版本每次都会完全破坏UTF。这也适用于网络，而不仅仅是邮件。编辑：很抱歉格式丢失
我可以支持这个 - str_replace 完全谋杀 UTF8 字符串，我不知道有任何解决方法。

【解决方案4】：

不，你不能。
从实践中我告诉你，如果你有一些像◊等的多字节符号，而其他的不是多字节，它就不能正常工作，因为有些符号需要 2-4 来放置它们， str_replace 采用固定字节，并替换......结果我们得到的东西不是任何符号垃圾等。

【讨论】：

你能提供一个例子（字符串）吗？

【解决方案5】：

是的，我认为这是正确的，至少我找不到任何反例。

【讨论】：