本文详解为何基于 strlen() 和 $str[$i] 的传统字符串遍历在处理阿拉伯语、乌尔都语等Unicode字符时失效，并提供使用 mb_strlen() 和 mb_substr() 的安全、可靠解决方案。
本文详解为何基于 `strlen()` 和 `$str[$i]` 的传统字符串遍历在处理阿拉伯语、乌尔都语等unicode字符时失效，并提供使用 `mb_strlen()` 和 `mb_substr()` 的安全、可靠解决方案。
在PHP中，将字母映射为数字（如用于数值命理、编码或自定义字符协议）是常见需求。但当从英文扩展到阿拉伯语、乌尔都语、希伯来语等使用UTF-8多字节编码的语言时，原生字符串操作极易出错——根本原因在于：PHP的 strlen() 和数组式索引 $str[$i] 均按字节而非字符计算，而一个阿拉伯字母（如 "ب"）在UTF-8中占3个字节，导致单次索引仅取到乱码字节片段，无法匹配映射表中的完整字符。
✅ 正确做法：使用多字节安全函数
必须改用 mb_strlen() 获取真实字符长度，并用 mb_substr($string, $start, $length) 提取单个Unicode字符。以下是修正后的完整示例：
<?php
// 设置内部编码为UTF-8（推荐在脚本开头统一声明）
mb_internal_encoding('UTF-8');
$input = "ب"; // 阿拉伯字母 "Ba"
$remap = [
"ا" => '200',
"ب" => '300',
"ج" => '50',
"د" => '100',
];
$array = [];
for ($i = 0; $i < mb_strlen($input); $i++) {
$c = mb_substr($input, $i, 1); // 安全提取第i个Unicode字符
if (isset($remap[$c])) {
$array[] = $remap[$c];
} else {
$array[] = '?'; // 可选：对未定义字符做容错处理
}
}
$star = "(" . implode(',', $array) . ")";
echo $star; // 输出：(300)
?>⚠️ 关键注意事项
- 务必启用 mbstring 扩展：检查 phpinfo() 中 mbstring 是否已加载；若未启用，请在 php.ini 中取消 extension=mbstring 注释并重启Web服务器。
- 显式设置编码：调用 mb_internal_encoding('UTF-8') 确保所有 mb_ 函数以UTF-8解析字符串（尤其在非UTF-8默认环境或旧PHP版本中至关重要）。
- 避免 isset() 或 array_key_exists() 前直接访问 $remap[$c]：未定义字符会触发PHP警告，建议先校验键是否存在。
- 兼容大小写与变体：阿拉伯语虽无大小写之分，但其他语言（如希腊语、俄语）需注意Unicode规范化；必要时可结合 mb_convert_case() 统一处理。
? 扩展建议：封装为可复用函数
function alphabetToNumbers(string $input, array $mapping): string {
mb_internal_encoding('UTF-8');
$result = [];
for ($i = 0; $i < mb_strlen($input); $i++) {
$char = mb_substr($input, $i, 1);
$result[] = $mapping[$char] ?? '0';
}
return '(' . implode(',', $result) . ')';
}
// 使用示例
echo alphabetToNumbers("بج", ["ا" => '200', "ب" => '300', "ج" => '50']); // (300,50)通过采用多字节安全函数，即可无缝支持阿拉伯语、中文、日文、梵文等任意UTF-8字符集的字母→数字映射，彻底规避字节级操作引发的乱码与逻辑错误。
