mbstring 学习

一、关于mbstring多字节字符串处理模块的相关设置

今天正好在网上看到一篇关于如何设置mbstring系列函数为php默认使用函数的一篇文章 ，顺便也就仔细看了看php.ini中mbstring部分的设置参数。mbstring系列函数在涉及到中文及其它亚洲字符集的开发中是经常使用的，研究一下还是有必要的。

先说文章中提及的一个参数：mbstring.func_overload。这个参数的好处 在于当你已经开发了大量程序后发现需要处理多字节字符集的时候，不可能将之前的程序全部检查，将相关函数替换成mbstring多字节字符处理函数。这个 时候你可以通过设置这个参数来使php默认使用mbstring系列函数来重载替代相对应的php内置函数（例如常用的substr()会被自动替换为 mb_substr()）。有5个可选值：

• 0：代表不重载任何函数（默认值）；

• 1：代表重载mail()函数；

• 2：代表重载str系列字符串处理函数；

• 4：代表重载ereg系列正则处理函数；

• 7：代表重载所有以上提及的函数。

不过在php手册中也提及了这么一句：

It is not recommended to use the function overloading option in the per-directory context, because it’s not confirmed yet to be stable enough in a production environment and may lead to undefined behaviour.

哈哈，慎用慎用，毕竟这么强大无视的参数还是谨慎使用为好，影响太大。打开后影响的函数列表如下：

mail() -> mb_send_mail()strlen() -> mb_strlen()strpos() -> mb_strpos()strrpos() -> mb_strrpos()substr() -> mb_substr()strtolower() -> mb_strtolower()strtoupper() -> mb_strtoupper()substr_count() -> mb_substr_count()ereg() -> mb_ereg()eregi() -> mb_eregi()ereg_replace() -> mb_ereg_replace()eregi_replace() -> mb_eregi_replace()split() -> mb_split()

接下来几个参数也简略介绍一下，自己看注释理解的，可能有误：

• mbstring.language：设置默认语言。默认值为neutral，就是UTF-8，这样就不错。

• mbstring.internal_encoding：设置默认的内部编码。如果设置过mbstring.language，必须放置在之后，不然无法覆盖之前的设置。默认值NULL。

• mbstring.http_input：默认的http输入编码。默认值pass，就是不处理。

• mbstring.http_output：默认的http输出编码，前提是必须将output_buffering打开并将output_handler设置为mb_output_handler。默认值pass，也是不处理。

• mbstring.encoding_translation：打开后将会自动将输入编码转换为internal_encoding所指定的编码（同样慎用，都交给机器未必是好事）。默认值Off，万幸。

• mbstring.detect_order：设置编码的检测顺序，在使用mb_detect_encoding而又没有在第二个参数中指明检测 编码顺讯列表时，将会以这里设置的为准。默认值auto，在language为neutral时也就是代表检测顺序为(ASCII, UTF-8)。

• mbstring.substitute_character：当编码无法转换时的处理方式。默认值为NULL，也就是不显示无法转换的字符。你也可以设置为long，显示字符的hex编码；或者指定其他特定字符（例如”@_@”，呵呵）。

• mbstring.strict_detection：是否打开严格的编码检测模式，这个找了半天才知道什么意思，在处理有不同编码或错误编码字 符混杂情况（例如mb_detect_encoding(”testä”)）下打开这个参数能够防止mb_detect_encoding返回错误的编 码。可以参见PHP Bug 24309 。默认值为Off。

• mbstring.script_encoding：PHP脚本的默认编码。默认值为NULL。

大多数情况下默认值好像工作的就挺好，而且最好程序中也不要显式依赖于ini设置。使用mbstring系列函数时明确指明编码类型也许是一种更好的处理方式。在Unicode情况下，可以考虑设置为以下形式。

mbstring.language = neutralmbstring.internal_encoding = UTF-8mbstring.encoding_translation = Offmbstring.http_input = autombstring.http_output = UTF-8mbstring.detect_order = autombstring.substitute_character = none