段判断字符是否是UTF8的代码太慢了，看看怎么优化

skybyte

1. 
   
2. function is_utf8($str) {
   
3.     $c=0; $b=0;
   
4.     $bits=0;
   
5.     $len=strlen($str);
   
6.     for($i=0; $i<$len; $i++){
   
7.         $c=ord($str[$i]);
   
8.         if($c > 128){
   
9.             if(($c >= 254)) return false;
   
10.             elseif($c >= 252) $bits=6;
    
11.             elseif($c >= 248) $bits=5;
    
12.             elseif($c >= 240) $bits=4;
    
13.             elseif($c >= 224) $bits=3;
    
14.             elseif($c >= 192) $bits=2;
    
15.             else return false;
    
16.             if(($i+$bits) > $len) return false;
    
17.             while($bits > 1){
    
18.                 $i++;
    
19.                 $b=ord($str[$i]);
    
20.                 if($b < 128 || $b > 191) return false;
    
21.                 $bits--;
    
22.             }
    
23.         }
    
24.     }
    
25.     return true;
    
26. }
    

复制代码

另一段速度要快些，但有时会判断出错。

1. 
   
2.        function getUTF8str($value_1)
   
3.        {
   
4.                           $value_2   =   @iconv("gb18030//IGNORE","utf-8//IGNORE",$value_1);
   
5.                           $value_3   =   @iconv("utf-8//IGNORE","gb18030//IGNORE",$value_2);  
   
6. 
   
7.                           if(strlen($value_1) == strlen($value_3)){
   
8.                                   return $value_2;
   
9.                           }else{
   
10.                                   return $value_1;
    
11.                           }
    
12.        }
    

复制代码

xuzuning

/**
* 函数 is_utf8
* 功能 检查传入的串是否为utf-8编码串
* 返回 逻辑，是 true，不是 false
**/
if(! function_exists('is_utf8')):
function is_utf8($s) {
          if(preg_match('/^(?:[\x00-\x7f]|[\xc0-\xff][\x80-\xbf]+)+$/', $s)) {
                  return true;
          }
          return false;
}
endif;

skybyte

用正则的确要快些，我先用用，看会不会有出错的时候。

[ 本帖最后由 skybyte 于 2009-6-11 09:35 编辑 ]

liexusong

PHP有mb_函数族的！可以更快！！

skybyte

mb那个判断字符集也是有时会出错

zhanglp888

为什么要判断是不是utf-8?
说一下想做什么？是不是可以用别的方法来达到最终目的？？！

m@qintoshi

为什么要判断是不是uft8字符呢？
一般都是直接操作的。

1. 
   
2. "/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}/";
   

复制代码

就用这个正则就可以了

skybyte

用正则还是不行，经常出现段错误。

qai41

回复 1# skybyte


    用这个 mb_detect_encoding()