PHP 的字符串本质是字节数组，直接用 $str[1] 访问多字节 UTF-8 字符（如波兰语的 ś、ż、ć）会截断字节序列，导致乱码“”；必须使用 mb_* 多字节函数才能安全操作 Unicode 字符。
php 的字符串本质是字节数组，直接用 `$str[1]` 访问多字节 utf-8 字符（如波兰语的 ś、ż、ć）会截断字节序列，导致乱码“”；必须使用 `mb_*` 多字节函数才能安全操作 unicode 字符。
在 PHP 中处理波兰语等含扩展拉丁字符（如 ś, ż, ć, ń, ł）的 UTF-8 字符串时，一个常见误区是误将字符串当作“字符数组”直接通过下标访问（例如 $str[0] 或 $str[1]）。实际上，PHP 的原生字符串操作（包括方括号语法）是以字节（byte）为单位的，而非字符（character）。而 UTF-8 编码中，波兰字符属于多字节序列：例如 'ś' 在 UTF-8 中占用 2 个字节（十六进制为 c59b），'ż' 占用 2 字节（c5bc），'ć' 同样为 2 字节（c487）。
因此，当执行 $nam[1] 时，PHP 并非取出第二个“字符”，而是取出整个字符串的第二个字节——这恰好是 'ś' 的后半部分（如 9b），该字节单独无法构成合法 UTF-8 序列，浏览器渲染时即显示为替换符号 ``。
✅ 正确做法：使用 PHP 的 Multibyte String 扩展（mbstring） 提供的函数，它们能识别 UTF-8 字符边界：
function ech($nam) {
echo htmlspecialchars($nam, ENT_UTF8) . "<br>";
// ✅ 安全获取第一个字符（UTF-8 感知）
echo mb_substr($nam, 0, 1, 'UTF-8') . "<br>";
// ✅ 获取第二个字符（索引从 0 开始）
echo mb_substr($nam, 1, 1, 'UTF-8') . "<br>";
// ✅ 获取长度（按字符数，非字节数）
echo "字符数：" . mb_strlen($nam, 'UTF-8') . "<br>";
echo "字节数：" . strlen($nam) . "<br>";
}
$te = $_POST['sth'] ?? 'śżć'; // 示例输入
ech($te);输出结果：
立即学习“PHP免费学习笔记（深入）”；
śżć<br> ś<br> ż<br> 字符数：3<br> 字节数：6<br>
? 关键注意事项：
- 确保 mbstring 扩展已启用（检查 phpinfo() 或 extension=mbstring 是否在 php.ini 中开启）；
- 显式指定编码 'UTF-8' 参数（尤其在 mb_substr/mb_strlen 中），避免依赖默认配置；
- 输出前建议使用 htmlspecialchars($str, ENT_UTF8) 防止 XSS，且确保 HTML 声明 <meta charset="UTF-8">；
- 切勿混用 substr()/strlen() 与 mb_substr()/mb_strlen() 处理同一 UTF-8 字符串，否则逻辑错乱。
总结：PHP 中没有原生的 Unicode 字符索引支持。只要涉及非 ASCII 字符（包括中文、日文、阿拉伯文、波兰语等），所有字符串操作都应优先选用 mb_* 函数，并始终明确指定 'UTF-8' 编码参数——这是构建国际化 Web 应用的底层基石。
