PHP: Разделить многобайтовую строку (слово) на отдельные символы

попробуйте регулярное выражение с опцией 'u', например

$chars = preg_split('//u', $string, -1, PREG_SPLIT_NO_EMPTY); 

Уродливый способ сделать это:

 mb_internal_encoding("UTF-8"); // this IS A MUST!! PHP has trouble with multibyte // when no internal encoding is set! $string = "....."; $chars = array(); for ($i = 0; $i < mb_strlen($string); $i++ ) { $chars[] = mb_substr($string, $i, 1); // only one char to go to the array } 

Вы также должны попробовать свой путь с помощью mb_split с настройкой internal_encoding перед ним.

Вы можете использовать функции grapheme (PHP 5.3 или intl 1.0) и IntlBreakIterator (PHP 5.5 или intl 3.0). Следующий код показывает разницу между функциями intl и mbstring и PCRE.

 // http://www.php.net/manual/function.grapheme-strlen.php $string = "a\xCC\x8A" // 'LATIN SMALL LETTER A WITH RING ABOVE' (U+00E5) ."o\xCC\x88"; // 'LATIN SMALL LETTER O WITH DIAERESIS' (U+00F6) $expected = ["a\xCC\x8A", "o\xCC\x88"]; $expected2 = ["a", "\xCC\x8A", "o", "\xCC\x88"]; var_dump( $expected === str_to_array($string), $expected === str_to_array2($string), $expected2 === str_to_array3($string), $expected2 === str_to_array4($string), $expected2 === str_to_array5($string) ); function str_to_array($string) { $length = grapheme_strlen($string); $ret = []; for ($i = 0; $i < $length; $i += 1) { $ret[] = grapheme_substr($string, $i, 1); } return $ret; } function str_to_array2($string) { $it = IntlBreakIterator::createCharacterInstance('en_US'); $it->setText($string); $ret = []; $prev = 0; foreach ($it as $pos) { $char = substr($string, $prev, $pos - $prev); if ('' !== $char) { $ret[] = $char; } $prev = $pos; } return $ret; } function str_to_array3($string) { $it = IntlBreakIterator::createCodePointInstance(); $it->setText($string); $ret = []; $prev = 0; foreach ($it as $pos) { $char = substr($string, $prev, $pos - $prev); if ('' !== $char) { $ret[] = $char; } $prev = $pos; } return $ret; } function str_to_array4($string) { $length = mb_strlen($string, "UTF-8"); $ret = []; for ($i = 0; $i < $length; $i += 1) { $ret[] = mb_substr($string, $i, 1, "UTF-8"); } return $ret; } function str_to_array5($string) { return preg_split('//u', $string, -1, PREG_SPLIT_NO_EMPTY); } 

При работе над производственной средой вам нужно заменить недействительную последовательность байтов на заменяющий символ, поскольку почти все функции grapheme и mbstring не могут обрабатывать недопустимую последовательность байтов. Если у вас есть интерес, посмотрите мой прошлый ответ: https://stackoverflow.com/a/13695364/531320

Если вы не используете возможности, можно использовать htmlspecialchars и htmlspecialchars_decode. Достоинством этого способа является поддержка различной кодировки, отличной от UTF-8.

 function str_to_array6($string, $encoding = 'UTF-8') { $ret = []; str_replace_callback($string, function($char, $index) use (&$ret) { $ret[] = $char; return ''; }, $encoding); return $ret; } function str_replace_callback($string, $callable, $encoding = 'UTF-8') { $str_size = strlen($string); $string = str_scrub($string, $encoding); $ret = ''; $char = ''; $index = 0; for ($pos = 0; $pos < $str_size; ++$pos) { $char .= $string[$pos]; if (str_check_encoding($char, $encoding)) { $ret .= $callable($char, $index); $char = ''; ++$index; } } return $ret; } function str_check_encoding($string, $encoding = 'UTF-8') { $string = (string) $string; return $string === htmlspecialchars_decode(htmlspecialchars($string, ENT_QUOTES, $encoding)); } function str_scrub($string, $encoding = 'UTF-8') { return htmlspecialchars_decode(htmlspecialchars($string, ENT_SUBSTITUTE, $encoding)); } 

Если вы хотите изучить спецификацию UTF-8, манипуляция байтов – хороший способ практиковать.

 function str_to_array6($string) { // REPLACEMENT CHARACTER (U+FFFD) $substitute = "\xEF\xBF\xBD"; $size = strlen($string); $ret = []; for ($i = 0; $i < $size; $i += 1) { if ($string[$i] <= "\x7F") { $ret[] = $string[$i]; } elseif ("\xC2" <= $string[$i] && $string[$i] <= "\xDF") { if (!isset($string[$i+1])) { $ret[] = $substitute; return $ret; } elseif ($string[$i+1] < "\x80" || "\xBF" < $string[$i+1]) { $ret[] = $substitute; } else { $ret[] = substr($string, $i, 2); $i += 1; } } elseif ("\xE0" <= $string[$i] && $string[$i] <= "\xEF") { $left = "\xE0" === $string[$i] ? "\xA0" : "\x80"; $right = "\xED" === $string[$i] ? "\x9F" : "\xBF"; if (!isset($string[$i+1])) { $ret[] = $substitute; return $ret; } elseif ($string[$i+1] < $left || $right < $string[$i+1]) { $ret[] = $substitute; } else { if (!isset($string[$i+2])) { $ret[] = $substitute; return $ret; } elseif ($string[$i+2] < "\x80" || "\xBF" < $string[$i+2]) { $ret[] = $substitute; $i += 1; } else { $ret[] = substr($string, $i, 3); $i += 2; } } } elseif ("\xF0" <= $string[$i] && $string[$i] <= "\xF4") { $left = "\xF0" === $string[$i] ? "\x90" : "\x80"; $right = "\xF4" === $string[$i] ? "\x8F" : "\xBF"; if (!isset($string[$i+1])) { $ret[] = $substitute; return $ret; } elseif ($string[$i+1] < $left || $right < $string[$i+1]) { $ret[] = $substitute; } else { if (!isset($string[$i+2])) { $ret[] = $substitute; return $ret; } elseif ($string[$i+2] < "\x80" || "\xBF" < $string[$i+2]) { $ret[] = $substitute; $i += 1; } else { if (!isset($string[$i+3])) { $ret[] = $substitute; return $ret; } elseif ($string[$i+3] < "\x80" || "\xBF" < $string[$i+3]) { $ret[] = $substitute; $i += 2; } else { $ret[] = substr($string, $i, 4); $i += 3; } } } } else { $ret[] = $substitute; } } return $ret; } 

Результат эталонности этих функций здесь.

 grapheme 0.12967610359192 IntlBreakIterator::createCharacterInstance 0.17032408714294 IntlBreakIterator::createCodePointInstance 0.079245090484619 mbstring 0.081080913543701 preg_split 0.043133974075317 htmlspecialchars 0.25599694252014 byte maniplulation 0.13132810592651 

Эталонный код здесь.

 $string = '主楼怎么走'; foreach (timer([ 'grapheme' => 'str_to_array', 'IntlBreakIterator::createCharacterInstance' => 'str_to_array2', 'IntlBreakIterator::createCodePointInstance' => 'str_to_array3', 'mbstring' => 'str_to_array4', 'preg_split' => 'str_to_array5', 'htmlspecialchars' => 'str_to_array6', 'byte maniplulation' => 'str_to_array7' ], [$string]) as $desc => $time) { echo $desc, PHP_EOL, $time, PHP_EOL; } function timer(array $callables, array $arguments, $repeat = 10000) { $ret = []; $save = $repeat; foreach ($callables as $key => $callable) { $start = microtime(true); do { array_map($callable, $arguments); } while($repeat -= 1); $stop = microtime(true); $ret[$key] = $stop - $start; $repeat = $save; } return $ret; }