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, $i, 1, "utf-8"));
}
var_export($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：
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 ~ 127 | 1 字节 |
| 192 ~ 223 | 2 字节 |
| 224 ~ 239 | 3 字节 |
| 240 ~ 247 | 4 字节 |
为什么呢？
http://www.ruanyifeng.com/blo...
https://segmentfault.com/a/11... 口语化叙述 utf-8 的来历
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 007F | 0xxxxxxx | 0 ~ 127 |
| 0000 0080-0000 07FF | 110xxxxx 10xxxxxx | (128+64) ~ (255-32) 也就是 192 ~ 223 |
| 0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx | (128+64+32) ~ (255-16) 也就是 224 ~ 239 |
| 0001 0000-0010 FFFF | 11110xxx 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。
