(PHP 5 >= 5.3.0, PHP 7, PHP 8, PECL intl >= 1.0.0)
grapheme_extract — Extrait un groupe de graphème d'une chaîne UTF-8
Style procédural
$haystack,$size,$type = GRAPHEME_EXTR_COUNT ,$offset = 0,&$next = null Cette fonction extrait une séquence de groupes de graphèmes par défaut d'un texte en UTF-8.
haystackLa chaîne à étudier.
size
Le nombre maximal d'éléments, en fonction de type, à retourner.
type
Définit le type d'unités indiquées par le paramètre size :
size est le nombre
de groupe de graphèmes à extraire.size est le nombre d'octets à retourner.size est le nombre de caractères
UTF-8 à retourner.offset
La position de début dans haystack, exprimée en octets. Elle doit être positive,
nulle ou inférieure à la taille de haystack en octets, ou une valeur
négative, qui compterait à partir de la fin de haystack.
Si offset ne correspond pas au premier octet d'un caractère UTF-8 valide,
la position de démarrage sera déplacée au prochain octet valide.
nextRéférence à une variable qui recevra la prochaine position de début valide. Lorsque la fonction se termine, cela peut être une position qui est au-delà de la taille de la chaîne.
Une chaîne qui débute à la position offset et se termine à la limite valide
d'un graphème, et qui se conforme aux conditions size et type spécifiées,
ou false si une erreur survient.
| Version | Description |
|---|---|
| 7.1.0 |
Le support des valeurs négatives pour offset a été ajouté.
|
Exemple #1 Exemple avec grapheme_extract()
<?php
$char_a_ring_nfd = "a\xCC\x8A"; // 'LATIN SMALL LETTER A WITH RING ABOVE' (U+00E5) normalization form "D"
$char_o_diaeresis_nfd = "o\xCC\x88"; // 'LATIN SMALL LETTER O WITH DIAERESIS' (U+00F6) normalization form "D"
print urlencode(grapheme_extract( $char_a_ring_nfd . $char_o_diaeresis_nfd, 1, GRAPHEME_EXTR_COUNT, 2));
?>L'exemple ci-dessus va afficher :
o%CC%88
Here's how to use grapheme_extract() to loop across a UTF-8 string character by character.
<?php
$str = "سabcक’...";
// if the previous line didn't come through, the string contained:
//U+0633,U+0061,U+0062,U+0063,U+0915,U+2019,U+2026
$n = 0;
for ( $start = 0, $next = 0, $maxbytes = strlen($str), $c = '';
$start < $maxbytes;
$c = grapheme_extract($str, 1, GRAPHEME_EXTR_MAXCHARS , ($start = $next), $next)
)
{
if (empty($c))
continue;
echo "This utf8 character is " . strlen($c) . " bytes long and its first byte is " . ord($c[0]) . "\n";
$n++;
}
echo "$n UTF-8 characters in a string of $maxbytes bytes!\n";
// Should print: 7 UTF8 characters in a string of 14 bytes!
?>The other comments on this page were helpful for me.
However, consider using something better than empty($value) when checking the value returned by grapheme_extract since it could as well return something like "0" (which of course evaluates to false).Looping through grapheme clusters:
<?php
// Example taken from Rust documentation: https://doc.rust-lang.org/book/ch08-02-strings.html#bytes-and-scalar-values-and-grapheme-clusters-oh-my
$str = "नमस्ते";
// Alternatively:
//$str = pack('C*', ...[224, 164, 168, 224, 164, 174, 224, 164, 184, 224, 165, 141, 224, 164, 164, 224, 165, 135]);
$next = 0;
$maxbytes = strlen($str);
var_dump($str);
while ($next < $maxbytes) {
$char = grapheme_extract($str, 1, GRAPHEME_EXTR_COUNT, $next, $next);
if (empty($char)) {
continue;
}
echo "{$char} - This utf8 character is " . strlen($char) . ' bytes long', PHP_EOL;
}
//string(18) "नमस्ते"
//न - This utf8 character is 3 bytes long
//म - This utf8 character is 3 bytes long
//स् - This utf8 character is 6 bytes long
//ते - This utf8 character is 6 bytes long
?>