Разбор многобайтовой строки в PHP

Question

Я хотел бы написать парсер (HTML) на основе конечного автомата, но у меня есть сомнения, как читать/использовать ввод данных. Я решил загрузить весь ввод в одну строку, а затем работать с ним, как с массивом, и удерживать свой индекс как текущую позицию синтаксического анализа.

Не было проблем с однобайтовой кодировкой, но в многобайтовой кодировке каждое значение не представляет символ, а байт символа.

Пример:

$mb_string = 'žščř'; //4 multi-byte characters in UTF-8 

for($i=0; $i < 4; $i++) 
{ 
    echo $mb_string[$i], PHP_EOL; 
} 

Выходы:

Ĺ 
ž 
Ĺ 
Ą 

Это означает, что я не могу перебирать строки в цикле для проверки отдельных символов, потому что я никогда не знаю, если я нахожусь в в середине персонажа или нет.

Так вопросы:

• Как многобайтные читать один символ из строки в производительности приятельски?
• Это хорошая идея работать с строкой , поскольку это был массив в этом корпусе?
• Как вы прочтете ввод?

Answer 1

http://php.net/mb_string это вещь, которую вы не ищете

• только mb_substr символы один за другим
• не до PHP6
• , что вход точно? Обычный способ в общем

Answer 2

mb_internal_encoding("UTF-8"); 

$mb_string = 'žščř'; 

$l=mb_strlen($mb_string); 

for($i=0;$i<$l;$i++){ 
    print(mb_substr($mb_string,$i,1)."<br/>"); 
} 

Answer 3

без использования mdb_relatedFunctions и многобайтными закодированных строк можно использовать стандартные подстрока функции, которые считывают в кратных байтов, используемых для кодирования.

Например, для UTF-8 кодируются (2 байта) строка, если вам нужен первый символ из строки

$string = 'žščř'; //4 multi-byte characters in UTF-8 

Вы должны получить $ строки [0] и $ строки [1] значение , так что вы действительно ищете подстроку между индексами 0 и 1 (для первого символа).

Обратите внимание, что $ строки [0] или $ строки [N], будет ссылаться на первые (или N-й байт строки в многобайтовой)

пожеланий,