[PHP知识库]php检测utf8mb4字符的方法与清理方法

/**
 * 字符串基础工具
 * @author JerryLi
 * @version 20210724
 */
class StringBaseTool{
    /**
     * 截断字符串，保持固定的暂用字节长度
     * @param string $sStr 源字符串
     * @param int $iMaxLen 保留字节长度
     * @param string $sRepStr 替换字符串
     * @return string
     */
    static public function cutStrKeepByte(string $sStr, int $iMaxLen, string $sRepStr='...'): string{
        $iReplen = strlen($sRepStr);
        if (strlen($sStr) > $iMaxLen){ //字节数数超长，需要裁剪
            $iMaxLen -= $iReplen; //保留拖尾替换字符长度
            $aBuf = [];
            $iByteLen = 0;
            for ($i=0,$iLoop=mb_strlen($sStr); $i<$iLoop; $i++){
                $sChr = mb_substr($sStr, $i, 1); //每次取一个字
                if (($iByteLen + strlen($sChr)) <= $iMaxLen){ //未到执行长度，继续追加
                    $aBuf[] = $sChr;
                    $iByteLen += strlen($sChr); //长度计数
                }else{ //长度符合结束提取
                    return implode($aBuf) . $sRepStr;
                }
            }
        }
        return $sStr; //原样返回
    }
    /**
     * 清理字符串内的utf8mb4字符集
     * @param string $sSrc 原始数据
     * @param string $sReplace 替换符
     * @return string
     */
    static public function clearUtf8mb4(string $sSrc, string $sReplace='?'): string{
        return preg_replace(
            '%(?:
                \xF0[\x90-\xBF][\x80-\xBF]{2}      # planes 1-3
                | [\xF1-\xF3][\x80-\xBF]{3}          # planes 4-15
                | \xF4[\x80-\x8F][\x80-\xBF]{2}      # plane 16
            )%xs', $sReplace, $sSrc);
    }
    /**
     * 检查是否包含utf8mb4字符集
     * @param string $sSrc 原始数据
     * @return bool
     */
    static public function isExistUtf8mb4(string $sSrc): bool{
        return preg_match(
                '%(?:
                \xF0[\x90-\xBF][\x80-\xBF]{2}      # planes 1-3
                | [\xF1-\xF3][\x80-\xBF]{3}          # planes 4-15
                | \xF4[\x80-\x8F][\x80-\xBF]{2}      # plane 16
            )%xs', $sSrc) > 0;
    }
}

字节上代码，原理就不细说了，都是生产环境的代码。

isExistUtf8mb4 用来检测是否包含Utf8mb4字符。clearUtf8mb4用来清理Utf8mb4字符。

顺便补个原理吧：11110xxx 10xxxxxx 10xxxxxx 10xxxxxx,即最高字节具有240或更高的值.如果字符串中有任何这样的字节,则它是4字节序列的指示符，发现这种结构的标志就可以认为是utf8mb4.