什么是多字节的字符串操作呢？其实不少的同学可能都已经使用过了，但我们还是要从最基础的问题说起。
一个字符占几个字节并不是我们表面上看到的那样。正常情况下，一个数字或英文以及英文符号都是占用一个字节的。但是这个世界的语言文字何其之多，特别是像中文、日文这样的文字，往往用一个字节装不下，这时候就需要多字节来解决了（多字节一般第一个字节是前导字节表示当前是什么语言文字，后面的是正被的字节编码）。比如说一个中文字在 GBK 环境是占用两个字节，而在 UTF-8 下则是占用三个字节。而在最近几年，由于 emoji 表情的出现 UTF-8MB4 又成为了主流，在表示这些 emoji 表情字符的时候，往往又会使用 UTF-8MB4 这种占用四个字节的编码格式来表示。
虽说字节的不同设置能够帮助我们展示丰富的内容，但对它的一些操作却也带来了麻烦。
字符串操作$str = "abc测试一下"; echo strlen($str), PHP_EOL; // 15
strlen() 函数大家都不陌生，但是对于中文来说，它返回的数量明显是不对的。我们当前默认的编码格式是 UTF-8 ，所以将一个中文当做三个英文字符来数就正好是 15 个字符长度。很明显，这不是我们想要的结果，假设我们要截取字符串的话，这个长度的计算可是很费劲的，搞不好还容易出现乱码。
幸好在 PHP 的默认扩展中就已经为我们准备好了一组 mb_ 函数库，专门用来处理这类多字节字符串的问题。
echo mb_strlen($str), PHP_EOL; // 7 echo mb_strlen($str, 'GB2312'), PHP_EOL; // 11
在不指定 mb_strlen() 函数的第二个参数的情况下，会按照当前文档的默认编码格式来进行转换，所以我们的字符串长度就在 UTF-8 的环境下正常显示了。当然，我们也可以指定第二个参数为其它的编码格式，比如以前常用的 GB2312 或者 GBK ，这样返回的字符长度就是以一个中文占两个字节的形式返回长度了。
var_dump(mb_strpos($str, "测")); // int(3) var_dump(mb_convert_case($str, MB_CASE_UPPER)); // string(15) "ABC测试一下" var_dump(mb_convert_case($str, MB_CASE_LOWER)); // string(15) "abc测试一下" var_dump(mb_substr($str, 5)); // string(6) "一下"
当然，mb_ 相关的字符串操作函数是比较全面的，字符出现位置、大小写转换、截取字符串等函数都是提供的，调用的参数也都和普通的字符串操作函数没什么区别，只是它们多了一个可选的指定编码的参数。在通常的情况下，只要我们的文件是对应的编码格式，这个参数就不用去写了。
当然，字符串的操作函数还有很多，这里就不一一列举了，大家可以自行查阅相关的文档。
字符串正则操作既然说到了字符串的操作，正则相关的功能也是必不可少的，我们先看下使用默认的 preg_ 相关的函数操作中文的问题。
$str = iconv('UTF-8', 'GB2312', $str); var_dump(preg_match("/[a-z]*测试/i", $str)); // int(0) var_dump(preg_replace("/[a-z]*测试/i","试试", $str)); // string(11) "abc����һ��"
首先我们将测试用的字符串转换为 GB2312 的形式。就像我们获取的外部接口可能返回的就是 GB2312 的编码的。这时直接使用 preg_ 相关的函数是无法正确获得我们想要的结果的。
mb_regex_encoding('GB2312'); $pattern = iconv('UTF-8', 'GB2312', "[a-z]*测试"); var_dump(mb_ereg($pattern, $str)); // int(1) var_dump(mb_eregi($pattern, $str)); // int(1) var_dump(mb_ereg_replace($pattern,"试试", $str)); // string(10) "试试һ��" var_dump(mb_eregi_replace($pattern,"试试", $str)); // string(10) "试试һ��"
接下来我们通过 mb_ereg 相关的函数来进行正则的匹配和替换，就能正常的对不同编码的字符串进行操作了。注意，我们需要指定 mb_regex_encoding() 函数，告诉当前默认的规划替换编码是 GB2312 ，同时，正则规则也要转换成对应的编码格式。
mb_eregi 相关的函数和 mb_ereg 其实没有本质上的区别，只是它不区分大小写了，就像 preg 相关函数中我们写正则时的后缀符号 i 一样。ereg 相关的函数都是不用写反斜杠的，在普通的函数中其实是已经被淘汰了的函数（性能没有 preg 好，语法也有区别），大部分情况下都会直接使用 preg 相关的函数来进行操作。不过如果是牵涉到多字节相关的问题，在 mb_ 函数库中还是只有 ereg 这类的函数可以使用。
字符串编码转换就像我们之前学习过的 iconv() 函数一样，mb_ 库中也提供了字符编码转换的函数。
$phone = file_get_contents('https://tcc.taobao.com/cc/json/mobile_tel_segment.htm?tel=13888888888'); print_r($phone); // __GetZoneResult_ = { // mts:'1388888', // province:'����', // catName:'�й��ƶ�', // telString:'13888888888', // areaVid:'30515', // ispVid:'3236139', // carrier:'�����ƶ�' // } var_dump(mb_convert_encoding($phone, 'UTF-8', "GBK")); // string(183) "__GetZoneResult_ = { // mts:'1388888', // province:'云南', // catName:'中国移动', // telString:'13888888888', // areaVid:'30515', // ispVid:'3236139', // carrier:'云南移动' // } // " echo mb_detect_encoding($phone, 'UTF-8,GBK'), PHP_EOL; // CP936