PHP中的多字节修剪？

Question

显然mb_* family中没有mb_trim，所以我试图为我自己实现一个。

我最近发现这个表达式在评论中php.net：

/(^\s+)|(\s+$)/u 

所以，我会实现它的方式如下：

function multibyte_trim($str) 
{ 
    if (!function_exists("mb_trim") || !extension_loaded("mbstring")) { 
     return preg_replace("/(^\s+)|(\s+$)/u", "", $str); 
    } else { 
     return mb_trim($str); 
    } 
} 

正则表达式似乎是正确的我，但我对正则表达式极其低调。这将有效地删除任何 Unicode空间在字符串的开始/结束？

Answer 1

标准trim函数可以修剪少量的空格和空格字符。这些被定义为ASCII字符，这意味着某些特定的字节从0到0100 0000。

正确 UTF-8输入将永远不会包含由字节0xxx xxxx组成的多字节字符。 正确的所有字节 UTF-8多字节字符以1xxx xxxx开头。

这意味着在正确的 UTF-8序列中，字节0xxx xxxx只能引用单字节字符。因此，PHP的trim函数将永远不会修剪掉“半个字符”假设你有一个适当的 UTF-8序列。 （非常非常careful about improper UTF-8 sequences。）

---

的\s的ASCII正则表达式将主要匹配相同的字符，trim。

的preg功能与/u修饰符仅适用于utf-8编码的正则表达式和/\s/u比赛也是UTF8的nbsp。这种行为与不间断空格是使用它的唯一好处。

如果您要替换其他非ASCII兼容编码中的空格字符，那么这两种方法都不起作用。

换句话说，如果您试图修剪常用空格的ASCII兼容字符串，请使用trim。使用/\s/u时请注意文字的含义。

---

保重：

$s1 = html_entity_decode(" Hello   "); // the NBSP 
    $s2 = " exotic test ホ "; 

    echo "\nCORRECT trim: [". trim($s1) ."], [". trim($s2) ."]"; 
    echo "\nSAME: [". trim($s1) ."] == [". preg_replace('/^\s+|\s+$/','',$s1) ."]"; 
    echo "\nBUT: [". trim($s1) ."] != [". preg_replace('/^\s+|\s+$/u','',$s1) ."]"; 

    echo "\n!INCORRECT trim: [". trim($s2,' ') ."]"; // DANGER! not UTF8 safe! 
    echo "\nSAFE ONLY WITH preg: [". 
     preg_replace('/^[\s]+|[\s]+$/u', '', $s2) ."]"; 

Answer 2

我不知道你想用你定义的无限递归函数做什么，但如果你只是想要一个多字节安全的修剪，这将工作。

function mb_trim($str) { 
    return preg_replace("/(^\s+)|(\s+$)/us", "", $str); 
} 

Answer 3

mb_ereg_replace似乎要解决这个问题：

function mb_trim($str,$regex = "(^\s+)|(\s+$)/us") { 
    return mb_ereg_replace($regex, "", $str); 
} 

..但我不知道有足够的了解正则表达式来知道你的”然后添加人们期望能够馈送到trim（）的“charlist”参数 - 即修剪的字符列表 - 所以刚刚将正则表达式作为参数。

这可能是因为你可能有一个特殊字符数组，然后遍历charlist中的每个字符并在构建正则表达式字符串时相应地转义它们。

Answer 4

你也可以在UTF-8字符串修剪非ASCII兼容的空间（例如非换空间）与preg_replace('/^\p{Z}+|\p{Z}+$/u','',$str);

\s只会甚至与u修改匹配“ASCII兼容”空格字符。
但\p{Z}会匹配所有已知的Unicode空格字符

Answer 5

该版本支持第二个可选参数$ charlist：

function mb_trim ($string, $charlist = null) 
{ 
    if (is_null($charlist)) { 
     return trim ($string); 
    } else { 
     $charlist = str_replace ('/', '\/', preg_quote ($charlist)); 
     return preg_replace ("/(^[$charlist]+)|([$charlist]+$)/us", '', $string); 
    } 
} 

不支持“”的范围虽然。

Answer 6

好吧，我拿了@ edson-medina的解决方案，修正了一个bug并添加了一些单元测试。以下是我们用来给MB对手修剪，rtrim和ltrim的3个函数。

//////////////////////////////////////////////////////////////////////////////////// 
//Add some multibyte core functions not in PHP 
//////////////////////////////////////////////////////////////////////////////////// 
function mb_trim($string, $charlist = null) { 
    if (is_null($charlist)) { 
     return trim($string); 
    } else { 
     $charlist = preg_quote($charlist, '/'); 
     return preg_replace("/(^[$charlist]+)|([$charlist]+$)/us", '', $string); 
    } 
} 
function mb_rtrim($string, $charlist = null) { 
    if (is_null($charlist)) { 
     return rtrim($string); 
    } else { 
     $charlist = preg_quote($charlist, '/'); 
     return preg_replace("/([$charlist]+$)/us", '', $string); 
    } 
} 
function mb_ltrim($string, $charlist = null) { 
    if (is_null($charlist)) { 
     return ltrim($string); 
    } else { 
     $charlist = preg_quote($charlist, '/'); 
     return preg_replace("/(^[$charlist]+)/us", '', $string); 
    } 
} 
//////////////////////////////////////////////////////////////////////////////////// 

这里的单元测试中，我写了有兴趣的人：

public function test_trim() { 
    $this->assertEquals(trim(' foo '), mb_trim(' foo ')); 
    $this->assertEquals(trim(' foo ', ' o'), mb_trim(' foo ', ' o')); 
    $this->assertEquals('foo', mb_trim(' Åfooホ ', ' Åホ')); 
} 

public function test_rtrim() { 
    $this->assertEquals(rtrim(' foo '), mb_rtrim(' foo ')); 
    $this->assertEquals(rtrim(' foo ', ' o'), mb_rtrim(' foo ', ' o')); 
    $this->assertEquals('foo', mb_rtrim('fooホ ', ' ホ')); 
} 

public function test_ltrim() { 
    $this->assertEquals(ltrim(' foo '), mb_ltrim(' foo ')); 
    $this->assertEquals(ltrim(' foo ', ' o'), mb_ltrim(' foo ', ' o')); 
    $this->assertEquals('foo', mb_ltrim(' Åfoo', ' Å')); 
}