需求

如果需要将可能含有中文的字符串进行拆分成数组，我们下面以 utf-8 编码为例。

解决方案一

我习惯的方法可能是：mb_internal_encoding("UTF-8");

$str = "周梦康";

$array = [];

for ($i=0,$l = mb_strlen($str); $i < $l; $i++) {

array_push($array, mb_substr($str, $i, 1));

}

var_export($array);

假如我们没装mb扩展怎么办？

解决方案二

今天看到一份代码，别人是这么写的：/*

* 将可能含有中文的字符串进行拆分成数组

*/

function str_split_utf8($str)

{

$split = 1;

$array = array();

for ($i = 0; $i < strlen($str);) {

$value = ord($str[$i]);

if ($value > 127) {

if ($value >= 192 && $value <= 223) {

$split = 2;

} elseif ($value >= 224 && $value <= 239) {

$split = 3;

} elseif ($value >= 240 && $value <= 247) {

$split = 4;

}

} else {

$split = 1;

}

$key = null;

for ($j = 0; $j < $split; $j++, $i++) {

$key .= $str[$i];

}

array_push($array, $key);

}

return $array;

}

代码解读

strlen计算的是字节数，而直接使用$str[x]就沿用了c语言里面char数组和字符串的习惯，表示按字节来读取$str，也就是说每次读取的数据的ascii码值不可能大于255。而php里使用ord来获取ascii码值。

切割规则如下ascii 码范围切割偏移量0 ~ 1271 字节

192 ~ 2232 字节

224 ~ 2393 字节

240 ~ 2474 字节

为什么呢？

Unicode

Unicode 只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。

UTF-8

UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式。UTF-8 最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

UTF-8 的编码规则很简单，只有二条：对于单字节的符号，字节的第一位设为0，后面7位为这个符号的 Unicode 码。因此对于英语字母，UTF-8 编码和 ASCII 码是相同的(能容纳0~127)。

对于n字节的符号(n > 1)，第一个字节的前n位都设为1，第n + 1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的 Unicode 码。

下表总结了编码规则，字母x表示可用编码的位:Unicode 符号范围(十六进制)UTF-8 编码方式(二进制)UTF-8 首字节范围0000 0000-0000 007F0xxxxxxx0 ~ 127

0000 0080-0000 07FF110xxxxx 10xxxxxx(128+64) ~ (255-32) 也就是 192 ~ 223

0000 0800-0000 FFFF1110xxxx 10xxxxxx 10xxxxxx(128+64+32) ~ (255-16) 也就是 224 ~ 239

0001 0000-0010 FFFF11110xxx 10xxxxxx 10xxxxxx 10xxxxxx(128+64+32+16) ~ (255-8) 也就是 240 ~ 247

想必看了这个表，大家就能明白了吧。