Этот вопрос выглядит до безобразия простым, но я не смог найти на него ответ. Какой PHP-эквивалент следующей строки кода C#?
string str = "\u1000";
Этот пример создает строку с одним символом Unicode, «числовое значение Unicode» которого равно 1000 в шестнадцатеричной системе (4096 в десятичной). То есть как в PHP создать строку с одним символом Unicode, «числовое значение Unicode» которого известно заранее?
Ответ 1
В PHP 7.0.0 появился синтаксис «Unicode codepoint escape». Теперь можно легко писать символы Unicode, используя строку с двойными кавычками или heredoc без вызова какой-либо функции.
$unicodeChar = "\u{1000}";
Ответ 2
Поскольку JSON напрямую поддерживает синтаксис \uxxxx, первое, что приходит мне в голову, — это:
$unicodeChar = '\u1000';
echo json_decode('"'.$unicodeChar.'"');
Другим вариантом может быть использование mb_convert_encoding():
echo mb_convert_encoding('က', 'UTF-8', 'HTML-ENTITIES');
или использовать прямое сопоставление между UTF-16BE (big endian) и кодовой точкой Unicode:
echo mb_convert_encoding("\x10\x00", 'UTF-8', 'UTF-16BE');
Ответ 3
Интересно, почему никто еще не упомянул об этом, но вы можете сделать почти эквивалентную версию, используя экранирующие последовательности в строках с двойными кавычками:
\x[0-9A-Fa-f]{1,2}
Последовательность символов, соответствующая регулярному выражению, является символом в шестнадцатеричной системе счисления. Пример ASCII:
<?php
echo("\x48\x65\x6C\x6C\x6F\x20\x57\x6F\x72\x6C\x64\x21");
?>
Вывод:
Hello World!
Поэтому для вашего случая все, что вам нужно сделать, — это $str = "\x30\xA2";. Но это байты, а не символы. Байтовое представление кодовой точки Unicode совпадает с UTF-16 big endian, поэтому мы могли бы вывести их непосредственно в таком виде:
<?php
header('content-type:text/html;charset=utf-16be');
echo("\x30\xA2");
?>
Вывод:
ア
Если вы используете другую кодировку, вам нужно соответствующим образом изменить байты (в основном это делается с помощью библиотеки, но возможно и вручную). Пример UTF-16 little endian:
<?php
header('content-type:text/html;charset=utf-16le');
echo("\xA2\x30");
?>
Пример в формате UTF-8:
<?php
header('content-type:text/html;charset=utf-8');
echo("\xE3\x82\xA2");
?>
Есть также функция упаковки, но вы можете ожидать, что она будет медленной.
Ответ 4
PHP не знает этих управляющих последовательностей Unicode. Но поскольку неизвестные управляющие последовательности остаются незатронутыми, вы можете написать собственную функцию, которая преобразует такие управляющие последовательности Unicode:
function unicodeString($str, $encoding=null) {
if (is_null($encoding)) $encoding = ini_get('mbstring.internal_encoding');
return preg_replace_callback('/\\\\u([0-9a-fA-F]{4})/u', create_function('$match', 'return mb_convert_encoding(pack("H*", $match[1]), '.var_export($encoding, true).', "UTF-16BE");'), $str);
}
Или с помощью выражения анонимной функции вместо create_function:
function unicodeString($str, $encoding=null) {
if (is_null($encoding)) $encoding = ini_get('mbstring.internal_encoding');
return preg_replace_callback('/\\\\u([0-9a-fA-F]{4})/u', function($match) use ($encoding) {
return mb_convert_encoding(pack('H*', $match[1]), $encoding, 'UTF-16BE');
}, $str);
}
Его использование:
$str = unicodeString("\u1000");
Ответ 5
Как уже упоминалось другими, PHP 7 вводит поддержку синтаксиса \u Unicode напрямую.
Как также упоминалось другими, единственный способ получить строковое значение из любого разумного описания символов Unicode в PHP — это преобразовать его из чего-то другого (например, парсинг JSON, парсинг HTML или какой-то другой формы). Но это сопряжено с затратами производительности во время выполнения. Однако есть еще один вариант. Вы можете закодировать символ непосредственно в PHP с помощью \x двоичной экранировки. Синтаксис экранирования \x поддерживается и в PHP 5.
Это особенно полезно, если вы предпочитаете не вводить символ непосредственно в строку в его естественной форме. Например, если это невидимый управляющий символ или другой трудно обнаруживаемый пробельный символ.
Сначала пример доказательства:
// Unicode Character 'HAIR SPACE' (U+200A)
$htmlEntityChar = " ";
$realChar = html_entity_decode($htmlEntityChar);
$phpChar = "\xE2\x80\x8A";
echo 'Proof: ';
var_dump($realChar === $phpChar); // bool(true)
Обратите внимание, что, как упоминалось в другом ответе, этот двоичный код уникален для конкретной кодировки символов. В приведенном выше примере \xE2\x80\x8A — это двоичный код для U+200A в UTF-8. Следующий вопрос: как перейти от U+200A к \xE2\x80\x8A?
Ниже приведен PHP-скрипт для генерации escape-последовательности для любого символа на основе JSON-строки, HTML-сущности или любого другого метода после того, как вы получите его в виде собственно строки.
function str_encode_utf8binary($str) {
/** @author Krinkle 2018 */
$output = '';
foreach (str_split($str) as $octet) {
$ordInt = ord($octet);
// Convert from int (base 10) to hex (base 16), for PHP \x syntax
$ordHex = base_convert($ordInt, 10, 16);
$output .= '\x' . $ordHex;
}
return $output;
}
function str_convert_html_to_utf8binary($str) {
return str_encode_utf8binary(html_entity_decode($str));
}
function str_convert_json_to_utf8binary($str) {
return str_encode_utf8binary(json_decode($str));
}
// Пример для необработанной строки: Символ Юникода 'INFINITY' (U+221E)
echo str_encode_utf8binary('∞') . "\n";
// \xe2\x88\x9e
// Пример для HTML: Символ Юникода 'HAIR SPACE' (U+200A)
echo str_convert_html_to_utf8binary(' ') . "\n";
// \xe2\x80\x8a
// Пример для JSON: символ Юникода 'HAIR SPACE' (U+200A)
echo str_convert_json_to_utf8binary('"\u200a"') . "\n";
// \xe2\x80\x8a
Web
