在字符串末尾使用破折号不允许 json_encode

Question

我正在尝试使用以下方法从字符串中提取 n 个字符 substr($originalText,0,250);

第 n 个字符是破折号。所以当我在记事本中查看它时，我得到最后一个字符作为€。在我的编辑器 Brackets 中，我什至无法打开它的日志文件，因为它只支持 UTF-8 编码。

我也不能运行 json_encode 这个字符串。

但是，当我使用 substr($originalText,0,251) 时，它工作得很好。我可以打开日志文件，它显示一个破折号而不是 €。 json_encode 也可以正常工作。

我可以使用mb_convert_encoding($mystring, "UTF-8", "Windows-1252")来规避这个问题，但是谁能告诉我为什么最后这些字符特别会导致错误？此外，在执行此操作时，我的日志文件显示在括号中，这也令人困惑。

我的问题是为什么在字符串的末尾有破折号，这与在其他任何地方（后面跟着其他字符）不同。

希望我的问题很清楚，如果没有我可以尝试进一步解释。

谢谢。

Answer 1

解释了为什么会发生这种情况，这个答案只是看看你能做些什么......

使用mb_substr()

multibyte string 模块正是为这种情况而设计的，它提供了许多正确处理多字节字符的字符串函数。我建议您仔细查看一下，因为在您的应用程序的其他地方可能还需要其他的。

如果出现函数未找到错误，您可能需要安装或启用此模块。对此的说明依赖于平台并且超出了这个问题的范围。

您问题中的案例所需的函数称为 mb_substr()，其名称与您使用的 substr() 相同，但具有其他可选参数。

Answer 2

UTF-8 使用所谓的代理项，将代码页扩展到 ASCII 之外以容纳更多字符。

单个 UTF-8 字符可能被编码为一个、两个、三个或四个字节，具体取决于字符。

您在多字节字符的中间截断了字符串：

[<-character->]
[byte-0|byte-1]
       ^
      You cut the string right here in the middle!


[<-----character---->]
[byte-0|byte-1|byte-2]
       ^      ^
      Or anywhere here if it's 3 bytes long.

所以解码器有第一个字节，但不能读取整个字符，因为字符串提前结束。

这会导致您看到的所有影响。

这个问题的解决方案是。

在字符串末尾使用破折号不允许 json_encode

Having en-dash at the end of the string doesn't allow json_encode

php

json

utf-8

mb-convert-encoding

使用mb_substr()