PHP中文字符串转数组的正确方法

在PHP中处理中文字符串转数组，避免乱码是关键。本文深入探讨了如何正确地将中文字符串转换为数组，尤其是在处理多字节字符编码（如UTF-8）时。针对PHP 7.4及以上版本，推荐使用 `mb_str_split` 函数，它能按字符而非字节分割字符串。对于PHP 7.3及以下版本，则可采用 `mb_substr` 循环结合 `mb_strlen` 函数来实现相同的功能。此外，文章还强调了 `mb_internal_encoding` 的重要性，它为PHP环境设定默认编码，确保多字节字符串函数能正确处理中文字符，有效避免潜在的编码问题，提供稳定可靠的字符串处理基准。

使用mb_str_split（PHP 7.4+）或mb_substr循环（低版本）可正确将中文字符串转为数组，因多字节字符需用mb_*函数按字符而非字节处理，避免乱码。

在PHP中，将包含中文字符的字符串正确地转换为数组，核心在于理解多字节字符编码（如UTF-8），并使用PHP提供的多字节字符串函数。简单来说，你需要避免直接使用按字节分割的函数，转而采用能识别完整字符的函数，比如mb_str_split（PHP 7.4+）或通过mb_substr循环实现。

解决方案

处理中文字符串转数组，最直接且推荐的方法是使用PHP的多字节字符串函数。

PHP 7.4 及以上版本：使用 mb_str_split

这是最优雅的解决方案。mb_str_split 函数专门设计用于按字符（而非字节）分割多字节字符串。

<?php
$chineseString = "你好，世界！PHP真棒。";
$charArray = mb_str_split($chineseString);

print_r($charArray);
// 输出会是：
// Array
// (
//     [0] => 你
//     [1] => 好
//     [2] => ，
//     [3] => 世
//     [4] => 界
//     [5] => ！
//     [6] => P
//     [7] => H
//     [8] => P
//     [9] => 真
//     [10] => 棒
//     [11] => 。
// )
?>

mb_str_split 默认以单个字符为单位分割。你也可以指定分割长度：

<?php
$chineseString = "你好，世界！PHP真棒。";
$chunkedArray = mb_str_split($chineseString, 2); // 每两个字符分割

print_r($chunkedArray);
// 输出会是：
// Array
// (
//     [0] => 你好
//     [1] => ，世
//     [2] => 界！
//     [3] => PH
//     [4] => P真
//     [5] => 棒。
// )
?>

PHP 7.3 及以下版本：使用 mb_substr 循环

如果你的PHP版本低于7.4，mb_str_split 函数可能不存在。这时，我们可以结合 mb_strlen（获取字符串字符数）和 mb_substr（按字符截取子字符串）来手动构建数组。

<?php
$chineseString = "你好，世界！PHP真棒。";
$charArray = [];
$length = mb_strlen($chineseString, 'UTF-8'); // 确保指定编码

for ($i = 0; $i < $length; $i++) {
    $charArray[] = mb_substr($chineseString, $i, 1, 'UTF-8');
}

print_r($charArray);
// 同样会得到每个字符组成的数组
?>

请注意，mb_strlen 和 mb_substr 的第三个参数（编码）至关重要。虽然很多时候PHP会自动检测，但显式指定编码（例如 'UTF-8'）是一个非常好的习惯，能有效避免潜在的编码问题。

为什么PHP的str_split函数处理中文字符串会出错？

这事儿听起来简单，但实际操作起来，如果对字符编码没点概念，坑还真不少。当我们在PHP中处理包含中文字符的字符串时，直接使用像str_split()这样的函数往往会得到一堆乱码，或者至少不是我们期望的结果。核心问题在于，str_split()函数是“字节感知”的，而不是“字符感知”的。

想象一下，一个英文字符（比如'A'）在UTF-8编码下通常只占用一个字节。所以，你用str_split()去分割"ABC"，它会很开心地给你一个['A', 'B', 'C']的数组，每个元素都是一个字节，也恰好是一个字符。但一个中文字符（比如'你'）在UTF-8编码下，通常会占用三个字节。当你用str_split()去分割"你好"时，它会把“你”这个三字节的字符，硬生生地切成三个独立的字节。这些字节单独拿出来，已经不再是一个完整的字符了，它们是“你”的碎片。结果就是，你的数组里会出现一些无法正确显示的乱码，或者至少是无效的字符片段。

这就是为什么处理多字节字符集（如UTF-8）时，我们必须使用mb_*系列函数（mb_str_split、mb_strlen、mb_substr等），它们是“多字节感知”的，能够正确识别并处理一个字符可能由多个字节组成的情况，确保分割、截取、计算长度时都是基于完整的字符单元。这不仅仅是中文，日文、韩文等同样面临这个问题。

在PHP 7.4以下版本中如何将中文字符串拆分为数组？

对于PHP 7.4以下的版本，由于没有内置的mb_str_split函数，我们不得不稍微“手动”一点。但这并不意味着复杂，只是需要结合几个mb_*函数来达到目的。主要的思路是：先用mb_strlen获取字符串中实际的字符数量，然后在一个循环中，每次使用mb_substr截取一个字符，并将其添加到结果数组中。

我个人在遇到这种场景时，通常会这样写：

<?php
// 假设这是你的目标字符串
$chineseString = "风急天高猿啸哀，渚清沙白鸟飞回。";
$charArray = [];

// 确保指定编码，通常是UTF-8
$encoding = 'UTF-8'; 

// 获取字符串的字符长度，而不是字节长度
$length = mb_strlen($chineseString, $encoding);

// 循环截取每个字符
for ($i = 0; $i < $length; $i++) {
    // mb_substr(string $string, int $start, ?int $length = null, ?string $encoding = null): string
    // 从当前位置 $i 开始，截取长度为 1 的子字符串
    $charArray[] = mb_substr($chineseString, $i, 1, $encoding);
}

print_r($charArray);
/* 预期输出：
Array
(
    [0] => 风
    [1] => 急
    [2] => 天
    [3] => 高
    [4] => 猿
    [5] => 啸
    [6] => 哀
    [7] => ，
    [8] => 渚
    [9] => 清
    [10] => 沙
    [11] => 白
    [12] => 鸟
    [13] => 飞
    [14] => 回
    [15] => 。
)
*/
?>

这个方法虽然多了一步循环，但它在功能上与mb_str_split是等价的，并且在旧版本PHP环境中是行之有效的标准做法。关键点在于始终使用mb_*函数并明确指定编码，这能让你避开绝大部分因字符编码引起的“奇奇怪怪”的问题。

处理PHP中文字符串时，mb_internal_encoding的重要性是什么？

mb_internal_encoding在处理PHP中文字符串，乃至所有多字节字符串时，其重要性怎么强调都不过分。它就像是给PHP环境设定了一个默认的“语言规则”，告诉所有mb_*函数在没有明确指定编码时，应该按照哪种编码来理解和操作字符串。

很多时候，我们编写代码时可能忘记在mb_strlen、mb_substr等函数中显式地传入编码参数。这时候，mb_internal_encoding就派上用场了。如果它被正确设置为UTF-8（或者你的应用实际使用的编码），那么这些mb_*函数就会默认使用UTF-8来处理字符串，从而避免出现乱码或计算错误。

举个例子，如果你的mb_internal_encoding没有设置，或者设置成了ISO-8859-1（一个单字节编码），那么即使你的字符串实际上是UTF-8编码的中文，mb_strlen($string)也可能无法正确计算出字符数，或者mb_substr在不指定编码时也可能表现异常。

如何设置？

通常，你可以在你的php.ini文件中进行全局设置：

; php.ini
mbstring.internal_encoding = UTF-8

或者，在你的PHP脚本的入口文件（比如index.php）中，在所有字符串操作之前，通过mb_internal_encoding()函数动态设置：

<?php
mb_internal_encoding("UTF-8");
// 之后所有的mb_*函数，如果未指定编码，都会默认使用UTF-8
$chineseString = "你好，世界！";
echo mb_strlen($chineseString); // 会正确输出 6
?>

我个人习惯是在项目启动时，就在入口文件顶部设置好mb_internal_encoding("UTF-8")。这不仅能简化后续代码中mb_*函数的调用（减少重复的编码参数），更重要的是，它为整个应用提供了一个统一的字符串处理基准，大大降低了因编码不一致而导致问题的风险。这就像是给所有参与字符串处理的函数都打了个“预防针”，让它们在处理中文这类多字节字符时更加“聪明”和可靠。忽略它，很可能会在某个不经意的角落埋下隐患，等到线上出问题时才发现，排查起来可就头疼了。

好了，本文到此结束，带大家了解了《PHP中文字符串转数组的正确方法》，希望本文对你有所帮助！关注golang学习网公众号，给大家分享更多文章知识！