如何提取中文字符，并算出该字符的位置？

Question

字符串1：一？二？ //中文的问号
字符串2：?一?二  //英文的问号
字符串3：一 二  //中间有空格php如何匹配出以上字符串里的中文文字？并求出该字符的位置
搞了半天搞不定，以下我的代码，大家别笑话 $k1 = "";
$k2 = "";
$k3 = "";
$k4 = "";
if(ord(substr($this->Keywords,1,1))>127)
{
$k1 = substr($this->Keywords,0,2);
}else {$k1=false;}
if(ord(substr($this->Keywords,2,1))>127)
{
$k2 = substr($this->Keywords,2,2);
}else {$k2=false;}
if(ord(substr($this->Keywords,3,1))>127)
{
$k3 = substr($this->Keywords,3,2);
}else {$k3=false;}
if(ord(substr($this->Keywords,4,1))>127)
{
$k4 = substr($this->Keywords,4,2);
}else {$k4=false;}

Answer 1

那要看是utf8还是gb2312.
我看你的是utf8的检测。utf8中文占3字节，头字节>127。
str_split后，检测到大于127的，后面2个字节也获取即可。

Answer 2

$k1 = mb_substr($this->Keywords, 0, 1, "UTF-8");

Answer 3

谢谢LS，字符串是用户输入的，不确定是什么编码
但我用的是DEDECMS GBK的，用户输入的字符串是否就是gb2312的呢？

Answer 4

mb_detect_encoding($str, "gbk, gb2312, utf-8")可以检测文字编码。不过经常会出错。还是建议用utf-8版的cms。

Answer 5

你可以用mb_detect_encoding去检测输入字符串的编码。

Answer 6

$str = '一？二？';
$arr = preg_split('/\?|？| /', $str, -1, PREG_SPLIT_OFFSET_CAPTURE);
print_r($arr);
//得到二维数组，$arr[$i][0] 匹配满足的字符，$arr[$i][1]匹配位置
//这个位置是strlen，如果中文算一个字符，只需要截取前面那段字符，用mb_strlen即可

Answer 7

编码涉及到中日文，就复杂了典型的，如果是Unicode编码“直”，中日编码是一样的“步”和“歩”，注意字型，编码是不一样的单单凭短短的几个字节，是区分不了中日文字的。

Answer 8

$str="规:范化 不得不知,道代动不，动不得不风格感？表 ";
$result=getCN($str);//UTF-8编码调用
//$result=getCN($str,"GB2312",2);//GB2312编码调用
//$result=getCN($str,"?",单个字符字节数);//?编码调用
print_r($result);
function getCN($string,$charset="UTF-8",$charnum=3){
$tmpstr = $string;
$utf8 = $charset=="UTF-8"?true:false;
!$utf8 && $string = iconv($charset,"UTF-8",$string);
preg_match_all("/[\x80-\xff]{3}/",$string,$data);
$cnarr=array();
foreach($data[0] as $key=>$char){
if(!preg_match_all("/[\\pP]/u",$char,$math)){
$cnarr[$key]['char']=$utf8?$char:iconv("UTF-8",$charset,$char);
$cnarr[$key]['start']=strpos($tmpstr,$cnarr[$key]['char']);
$cnarr[$key]['end']=$cnarr[$key]['start']+$charnum;
}
}
return $cnarr;
}