PHP字符串本质是字节数组，直接用索引（如$str[1]）访问含波兰字符（如ś、ż、ć）的UTF-8字符串会导致乱码，必须使用mb_*系列多字节安全函数进行操作。
php字符串本质是字节数组，直接用索引（如`$str[1]`）访问含波兰字符（如ś、ż、ć）的utf-8字符串会导致乱码，必须使用`mb_*`系列多字节安全函数进行操作。
在PHP中处理波兰语、中文、阿拉伯语等含Unicode多字节字符的字符串时，一个常见误区是误将PHP字符串当作“字符数组”来操作。例如，以下代码看似合理，实则存在严重缺陷：
function ech($nam) {
echo $nam . "<br>";
echo $nam[1]; // ❌ 错误：仅取第2个字节，非第2个字符
}
$te = $_POST['sth']; // 假设提交值为 "śżć"（UTF-8编码）
ech($te);
// 输出：śżć<br>问题根源在于：PHP原生字符串操作（如$str[0]、strlen()、substr()）均基于字节（byte），而非字符（character）。在UTF-8编码下，波兰字符ś由两个字节0xC5 0x9B组成，ż为0xC5 0xBC，ć为0xC4 0x87。因此：
- strlen("ś") 返回 2（不是 1）；
- $te[0] 取到的是ś的第一个字节0xC5，单独解码无效，浏览器显示为替换符``；
- $te[1] 取到的是ś的第二个字节0x9B，同样无法独立解析。
✅ 正确做法：始终使用多字节安全函数（需确保mbstring扩展已启用）：
function ech($nam) {
echo htmlspecialchars($nam, ENT_UTF8) . "<br>"; // 安全输出HTML
echo mb_substr($nam, 1, 1, 'UTF-8'); // ✅ 获取第2个字符（索引从0开始）
}
$te = $_POST['sth'] ?? 'śżć';
ech($te); // 输出：śżć<br>ż关键函数说明：
立即学习“PHP免费学习笔记（深入）”；
- mb_substr($str, $start, $length, 'UTF-8')：按字符而非字节截取子串；
- mb_strlen($str, 'UTF-8')：获取真实字符数（mb_strlen("ś") === 1）；
- mb_strpos($haystack, $needle, 0, 'UTF-8')：支持UTF-8的查找；
- mb_internal_encoding('UTF-8')：建议在脚本开头统一设置内部编码。
⚠️ 注意事项：
- 确保PHP配置中启用了extension=mbstring（检查phpinfo()）；
- HTML页面需声明<meta charset="UTF-8">；
- 表单提交应使用accept-charset="UTF-8"（或确保服务器/框架默认UTF-8）；
- 数据库连接也需显式设置UTF-8（如PDO中添加charset=utf8mb4）；
- 避免混用substr()与mb_substr()——一旦启用多字节处理，应全程统一。
总结：PHP对Unicode的支持依赖mbstring扩展，任何涉及非ASCII字符的字符串操作（切片、长度、查找、比较），都必须选用mb_*函数并明确指定'UTF-8'编码参数。这是保障波兰语、中文等国际化应用健壮性的基础实践。
