2024 日本 PHP 研討會

    grapheme_extract

    (PHP 5 >= 5.3.0, PHP 7, PHP 8, PECL intl >= 1.0.0)

    grapheme_extract — 從文字緩衝區中提取一系列預設字素叢集的函式，該緩衝區必須以 UTF-8 編碼

    描述

    程序式風格

    grapheme_extract(
        字串 $haystack,
        整數 $size,
        整數 $type = GRAPHEME_EXTR_COUNT,
        整數 $offset = 0,
        整數 &$next = null
    ): 字串|false

    從文字緩衝區中提取一系列預設字素叢集的函式，該緩衝區必須以 UTF-8 編碼。

    參數

    haystack

    要搜尋的字串。

    size

    基於 type 參數要返回的最大項目數。

    type

    定義 size 參數所指的單位類型

    • GRAPHEME_EXTR_COUNT (預設) - size 是要提取的預設字素叢集的數量。
    • GRAPHEME_EXTR_MAXBYTES - size 是返回的最大位元組數。
    • GRAPHEME_EXTR_MAXCHARS - size 是返回的最大 UTF-8 字元數。

    offset

    在 haystack 中的起始位置（以位元組為單位） - 如果給定，它必須是零或一個小於或等於 haystack 長度（以位元組為單位）的正值，或一個從 haystack 末尾開始計算的負值。如果 offset 並非指向 UTF-8 字元的第一個位元組，則起始位置會移動到下一個字元邊界。

    next

    將設定為下一個起始位置的值的參考。當呼叫返回時，這可能會指向字串結尾之後的第一個位元組位置。

    返回值

    一個從偏移量 offset 開始並在符合指定的 size 和 type 的預設字素叢集邊界處結束的字串，如果失敗則返回 false。

    更新日誌

    版本 描述
    7.1.0 已新增對負 offset 的支援。

    範例

    範例 #1 grapheme_extract() 範例

    <?php

    $char_a_ring_nfd     = "a\xCC\x8A"; // 'LATIN SMALL LETTER A WITH RING ABOVE' (U+00E5) 正規化格式 "D"
    $char_o_diaeresis_nfd = "o\xCC\x88"; // 'LATIN SMALL LETTER O WITH DIAERESIS' (U+00F6) 正規化格式 "D"

    print urlencode(grapheme_extract( $char_a_ring_nfd . $char_o_diaeresis_nfd, 1, GRAPHEME_EXTR_COUNT, 2));

    ?>

    以上範例將輸出

    o%CC%88

    另請參閱

    發現問題了嗎？

    學習如何改進此頁面 • 提交 Pull Request • 回報錯誤
    ＋新增筆記

    使用者貢獻的筆記 3 則筆記

    上
    下
    5
    AJH
    13 年前
    以下是如何使用 grapheme_extract() 逐字元循環 UTF-8 字串。

    <?php

    $str     = "سabcक’…";
    // 如果上一行沒有顯示，則字串包含：
    //U+0633,U+0061,U+0062,U+0063,U+0915,U+2019,U+2026

    $n = 0;

    for (     $start = 0, $next = 0, $maxbytes = strlen($str), $c = '';
    $start < $maxbytes;
    $c = grapheme_extract($str, 1, GRAPHEME_EXTR_MAXCHARS , ($start = $next), $next)
    )
    {
    if (empty(    $c))
    continue;
    echo     "這個 utf8 字元長度為 " . strlen($c) . " 位元組，其第一個位元組為 " . ord($c[0]) . "\n";
    $n++;
    }
    echo     "$n 個 UTF-8 字元在一個 $maxbytes 位元組的字串中！\n";
    // 應該印出：7 個 UTF8 字元在一個 14 位元組的字串中！
    ?>
    上
    下
    1
    Philo
    1 年前
    此頁面上的其他評論對我很有幫助。
    但是，在檢查 grapheme_extract 返回的值時，請考慮使用比 empty($value) 更好的方法，因為它也可能返回類似「0」的內容（當然會被評估為 false）。
    上
    下
    1
    yevgen dot grytsay at gmail dot com
    4 年前
    循環瀏覽字素叢集

    <?php

    // 範例取自 Rust 文件：https://doc.rust-lang.org/book/ch08-02-strings.html#bytes-and-scalar-values-and-grapheme-clusters-oh-my
    $str = "नमस्ते";
    // 或者：
    //$str = pack('C*', ...[224, 164, 168, 224, 164, 174, 224, 164, 184, 224, 165, 141, 224, 164, 164, 224, 165, 135]);
    $next = 0;
    $maxbytes = strlen($str);

    var_dump($str);

    while (    $next < $maxbytes) {
    $char = grapheme_extract($str, 1, GRAPHEME_EXTR_COUNT, $next, $next);
    if (empty(    $char)) {
    continue;
    }
    echo     "{$char} - 這個 utf8 字元長度為 " . strlen($char) . ' 位元組', PHP_EOL;
    }

    //string(18) "नमस्ते"
    //न - 這個 utf8 字元長度為 3 位元組
    //म - 這個 utf8 字元長度為 3 位元組
    //स् - 這個 utf8 字元長度為 6 位元組
    //ते - 這個 utf8 字元長度為 6 位元組
    ?>
    ＋新增筆記
    To Top