上一次修改时间：2018-06-05 23:16:26

字符串、正则

导论
php的相关要求：
1）精通PHP
2）熟悉Linux和Shell
3）熟练JavaScript
4）数据结构和算法设计
5）熟练MySQL和NoSQL技术
6）MVC模式和Yii等框架
7）大规模网站架构技术
php字符串的表达方式
单引号除了转义符外，不解析任何变量和特殊字符，如'\\\\'，会被解析成两个，如果是奇数转义符'\\\'，则会出现语法错误；
双引号或heredoc结构定义的字符串，除变量外将会被解析的特殊字符：
1）\n，\r，\t，\v，\e，\f，\\，\$，\"
2）\[0-7]{1,3}符合该正则表达式序列的是一个以八进制方式来表达的字符；
3）\x[0-9A-Fa-f]{1,2}符合该正则表达式序列的是一个以十六进制方式来表达的字符；
php底层中C语言定义的字符串

struct{
    char *val;//字符串指针
    int len;//字符串的位数
}str;

C语言中字符串说明
1）C语言中，用指针定义的字符串可以用[]或者{}，即字符数组的形式访问某个字符，因此php也支付该种访问形式；
2）字符串长度可以达到2G(内存)，这个手册有说明；
3）常见函数都是单字节处理方式，C中是这种处理方式，php也没有对此进行更改；
4）php字符串是二进制安全的；C语言中，是用\0来表示字符串的结束位置的，因此如果遇到如'1111\0333'这种字符串的时候，就会被截断(二进制不安全)，但php的字符串是用结构体中len来表示字符串的结束位，因此不存这个问题；
php字符串存取的注意事项
string中的字符可以通过一个从0开始的下标，用类似array结构中的方括号包含对应的数字来访问和修改，比如$str = 1;$str[100] = 'a';当像这种用超出字符串长度的下标写入时，字符串将会被拉长并以空格填充；此外，非整数类型下标会被转换成整数，非法下标类型会产生一个E_NOTICE级别错误；
PHP字符串的"串行化"
串行化的作用：将PHP的值(比如数组、对象)转变成string来永久保存；
串行化的三种方式：
1）serialize()函数，特点：序列化一个对象实例后，反序列化可以还原该实例(还原对象只有serialize该函数可以实现，但数组和其它类型json_encode也可以实现)，但通用性(比如php和java之间数据交换)上不如json_encode，此外效率上比json_encode稍差;
2）json_encode()函数，特点：通用性强(encode后的字符串可以其它语言，如java中直接使用)，和其它编程语言进行数据交换的主要方法，但对象实例json化后，执行反json化不能将对象实例还原；json_encode的变量只能是utf-8的，如果含有gbk编码的字符串则会失败，serialize无此限制；
3）var_export($items,true)函数，第二个参数不加时会将变量直接打印，加参数时可以做为文件缓存使用；(将一个数组保存为一个文件，被其它php文件include后，可以直接得到该数组,具体代码：)，文件存缓数组时，也可将数组json_encode后存入txt文件；

<?php
  //文件一
  $arr = ['a' => 'a','b','c'];
  $str = var_export($arr , true);
  $str = '<?php return '.$str.';';
  file_put_contents('cache.php' , $str);


<?php
   //文件二
  $arr = include 'test.php';
    var_dump($arr);

位、字节、字符的说明
字符集和字符编码

字符集是一个系统支持的所有抽象字符的集合；
字符编码是以二进制的数字来对应字符集的映射；
常见字符编码
Unicode与utf8的关系
Unicode编码系统是为表达任意语言的任意字符而设计的，它使用4字节的数字来表达每个字母、符号，或者表意文字； 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-32/UTF-16/UTF-8是三种基于Unicode的编码方案，是Unicode的实现方式之一；
GB2312编码的实现
区位码、国标码码、机内码总结
获取汉字的拼音类

<?php
/**
 * PHP 汉字转拼音
 *  输入的汉字为utf-8编码，转换原理为gbk的编码是以拼音基础的，utf-8的汉字转投时需要先转换成gbk编码
 *  utf-8是Unicode字符集的一种实现，Unicode里，中文只是其一部，用Unicode直接转拼音在原理上是不可能的
 * @example
 *    echo CUtf8_PY::encode('皮卡丘'); //编码为拼音首字母
 *    echo CUtf8_PY::encode('皮卡丘', 'all'); //编码为全拼音
 */
class CUtf8_PY {
    /**
     * 拼音字符转换图
     * @var array
     */
  private static $_aMaps = array(
      'a'=>-20319,'ai'=>-20317,'an'=>-20304,'ang'=>-20295,'ao'=>-20292,
  
 'ba'=>-20283,'bai'=>-20265,'ban'=>-20257,'bang'=>-20242,'bao'=>-20230,'bei'=>-20051,'ben'=>-20036,'beng'=>-20032,'bi'=>-20026,'bian'=>-20002,'biao'=>-19990,'bie'=>-19986,'bin'=>-19982,'bing'=>-19976,'bo'=>-19805,'bu'=>-19784,
  
 'ca'=>-19775,'cai'=>-19774,'can'=>-19763,'cang'=>-19756,'cao'=>-19751,'ce'=>-19746,'ceng'=>-19741,'cha'=>-19739,'chai'=>-19728,'chan'=>-19725,'chang'=>-19715,'chao'=>-19540,'che'=>-19531,'chen'=>-19525,'cheng'=>-19515,'chi'=>-19500,'chong'=>-19484,'chou'=>-19479,'chu'=>-19467,'chuai'=>-19289,'chuan'=>-19288,'chuang'=>-19281,'chui'=>-19275,'chun'=>-19270,'chuo'=>-19263,'ci'=>-19261,'cong'=>-19249,'cou'=>-19243,'cu'=>-19242,'cuan'=>-19238,'cui'=>-19235,'cun'=>-19227,'cuo'=>-19224,
   
 'da'=>-19218,'dai'=>-19212,'dan'=>-19038,'dang'=>-19023,'dao'=>-19018,'de'=>-19006,'deng'=>-19003,'di'=>-18996,'dian'=>-18977,'diao'=>-18961,'die'=>-18952,'ding'=>-18783,'diu'=>-18774,'dong'=>-18773,'dou'=>-18763,'du'=>-18756,'duan'=>-18741,'dui'=>-18735,'dun'=>-18731,'duo'=>-18722,
        'e'=>-18710,'en'=>-18697,'er'=>-18696,
    
 'fa'=>-18526,'fan'=>-18518,'fang'=>-18501,'fei'=>-18490,'fen'=>-18478,'feng'=>-18463,'fo'=>-18448,'fou'=>-18447,'fu'=>-18446,
    
 'ga'=>-18239,'gai'=>-18237,'gan'=>-18231,'gang'=>-18220,'gao'=>-18211,'ge'=>-18201,'gei'=>-18184,'gen'=>-18183,'geng'=>-18181,'gong'=>-18012,'gou'=>-17997,'gu'=>-17988,'gua'=>-17970,'guai'=>-17964,'guan'=>-17961,'guang'=>-17950,'gui'=>-17947,'gun'=>-17931,'guo'=>-17928,
    
 'ha'=>-17922,'hai'=>-17759,'han'=>-17752,'hang'=>-17733,'hao'=>-17730,'he'=>-17721,'hei'=>-17703,'hen'=>-17701,'heng'=>-17697,'hong'=>-17692,'hou'=>-17683,'hu'=>-17676,'hua'=>-17496,'huai'=>-17487,'huan'=>-17482,'huang'=>-17468,'hui'=>-17454,'hun'=>-17433,'huo'=>-17427,
     
 'ji'=>-17417,'jia'=>-17202,'jian'=>-17185,'jiang'=>-16983,'jiao'=>-16970,'jie'=>-16942,'jin'=>-16915,'jing'=>-16733,'jiong'=>-16708,'jiu'=>-16706,'ju'=>-16689,'juan'=>-16664,'jue'=>-16657,'jun'=>-16647,
  
 'ka'=>-16474,'kai'=>-16470,'kan'=>-16465,'kang'=>-16459,'kao'=>-16452,'ke'=>-16448,'ken'=>-16433,'keng'=>-16429,'kong'=>-16427,'kou'=>-16423,'ku'=>-16419,'kua'=>-16412,'kuai'=>-16407,'kuan'=>-16403,'kuang'=>-16401,'kui'=>-16393,'kun'=>-16220,'kuo'=>-16216,
   
 'la'=>-16212,'lai'=>-16205,'lan'=>-16202,'lang'=>-16187,'lao'=>-16180,'le'=>-16171,'lei'=>-16169,'leng'=>-16158,'li'=>-16155,'lia'=>-15959,'lian'=>-15958,'liang'=>-15944,'liao'=>-15933,'lie'=>-15920,'lin'=>-15915,'ling'=>-15903,'liu'=>-15889,'long'=>-15878,'lou'=>-15707,'lu'=>-15701,'lv'=>-15681,'luan'=>-15667,'lue'=>-15661,'lun'=>-15659,'luo'=>-15652,
    
 'ma'=>-15640,'mai'=>-15631,'man'=>-15625,'mang'=>-15454,'mao'=>-15448,'me'=>-15436,'mei'=>-15435,'men'=>-15419,'meng'=>-15416,'mi'=>-15408,'mian'=>-15394,'miao'=>-15385,'mie'=>-15377,'min'=>-15375,'ming'=>-15369,'miu'=>-15363,'mo'=>-15362,'mou'=>-15183,'mu'=>-15180,
    
 'na'=>-15165,'nai'=>-15158,'nan'=>-15153,'nang'=>-15150,'nao'=>-15149,'ne'=>-15144,'nei'=>-15143,'nen'=>-15141,'neng'=>-15140,'ni'=>-15139,'nian'=>-15128,'niang'=>-15121,'niao'=>-15119,'nie'=>-15117,'nin'=>-15110,'ning'=>-15109,'niu'=>-14941,'nong'=>-14937,'nu'=>-14933,'nv'=>-14930,'nuan'=>-14929,'nue'=>-14928,'nuo'=>-14926,
        'o'=>-14922,'ou'=>-14921,
  
 'pa'=>-14914,'pai'=>-14908,'pan'=>-14902,'pang'=>-14894,'pao'=>-14889,'pei'=>-14882,'pen'=>-14873,'peng'=>-14871,'pi'=>-14857,'pian'=>-14678,'piao'=>-14674,'pie'=>-14670,'pin'=>-14668,'ping'=>-14663,'po'=>-14654,'pu'=>-14645,
    
 'qi'=>-14630,'qia'=>-14594,'qian'=>-14429,'qiang'=>-14407,'qiao'=>-14399,'qie'=>-14384,'qin'=>-14379,'qing'=>-14368,'qiong'=>-14355,'qiu'=>-14353,'qu'=>-14345,'quan'=>-14170,'que'=>-14159,'qun'=>-14151,
   
 'ran'=>-14149,'rang'=>-14145,'rao'=>-14140,'re'=>-14137,'ren'=>-14135,'reng'=>-14125,'ri'=>-14123,'rong'=>-14122,'rou'=>-14112,'ru'=>-14109,'ruan'=>-14099,'rui'=>-14097,'run'=>-14094,'ruo'=>-14092,
   
 'sa'=>-14090,'sai'=>-14087,'san'=>-14083,'sang'=>-13917,'sao'=>-13914,'se'=>-13910,'sen'=>-13907,'seng'=>-13906,'sha'=>-13905,'shai'=>-13896,'shan'=>-13894,'shang'=>-13878,'shao'=>-13870,'she'=>-13859,'shen'=>-13847,'sheng'=>-13831,'shi'=>-13658,'shou'=>-13611,'shu'=>-13601,'shua'=>-13406,'shuai'=>-13404,'shuan'=>-13400,'shuang'=>-13398,'shui'=>-13395,'shun'=>-13391,'shuo'=>-13387,'si'=>-13383,'song'=>-13367,'sou'=>-13359,'su'=>-13356,'suan'=>-13343,'sui'=>-13340,'sun'=>-13329,'suo'=>-13326,
    
 'ta'=>-13318,'tai'=>-13147,'tan'=>-13138,'tang'=>-13120,'tao'=>-13107,'te'=>-13096,'teng'=>-13095,'ti'=>-13091,'tian'=>-13076,'tiao'=>-13068,'tie'=>-13063,'ting'=>-13060,'tong'=>-12888,'tou'=>-12875,'tu'=>-12871,'tuan'=>-12860,'tui'=>-12858,'tun'=>-12852,'tuo'=>-12849,
   
 'wa'=>-12838,'wai'=>-12831,'wan'=>-12829,'wang'=>-12812,'wei'=>-12802,'wen'=>-12607,'weng'=>-12597,'wo'=>-12594,'wu'=>-12585,
    
 'xi'=>-12556,'xia'=>-12359,'xian'=>-12346,'xiang'=>-12320,'xiao'=>-12300,'xie'=>-12120,'xin'=>-12099,'xing'=>-12089,'xiong'=>-12074,'xiu'=>-12067,'xu'=>-12058,'xuan'=>-12039,'xue'=>-11867,'xun'=>-11861,
    
 'ya'=>-11847,'yan'=>-11831,'yang'=>-11798,'yao'=>-11781,'ye'=>-11604,'yi'=>-11589,'yin'=>-11536,'ying'=>-11358,'yo'=>-11340,'yong'=>-11339,'you'=>-11324,'yu'=>-11303,'yuan'=>-11097,'yue'=>-11077,'yun'=>-11067,
    
 'za'=>-11055,'zai'=>-11052,'zan'=>-11045,'zang'=>-11041,'zao'=>-11038,'ze'=>-11024,'zei'=>-11020,'zen'=>-11019,'zeng'=>-11018,'zha'=>-11014,'zhai'=>-10838,'zhan'=>-10832,'zhang'=>-10815,'zhao'=>-10800,'zhe'=>-10790,'zhen'=>-10780,'zheng'=>-10764,'zhi'=>-10587,'zhong'=>-10544,'zhou'=>-10533,'zhu'=>-10519,'zhua'=>-10331,'zhuai'=>-10329,'zhuan'=>-10328,'zhuang'=>-10322,'zhui'=>-10315,'zhun'=>-10309,'zhuo'=>-10307,'zi'=>-10296,'zong'=>-10281,'zou'=>-10274,'zu'=>-10270,'zuan'=>-10262,'zui'=>-10260,'zun'=>-10256,'zuo'=>-10254
    );
    
  /**
   * 将中文编码成拼音
   * @param string $utf8Data utf8字符集数据
   * @param string $sRetFormat 返回格式 [head:首字母|all:全拼音]
   * @return string
   */
  public static function encode($utf8Data, $sRetFormat='head'){
      $sGBK = iconv('UTF-8', 'GBK', $utf8Data);
      $aBuf = array();
      for ($i=0, $iLoop=strlen($sGBK); $i<$iLoop; $i++) {
          $iChr = ord($sGBK{$i});
          if ($iChr>160)
              $iChr = ($iChr<<8) + ord($sGBK{++$i}) - 65536;
          if ('head' === $sRetFormat)
              $aBuf[] = substr(self::zh2py($iChr),0,1);
          else
              $aBuf[] = self::zh2py($iChr);
      }
      if ('head' === $sRetFormat)
          return implode('', $aBuf);
      else
          return implode(' ', $aBuf);
  }
  
  /**
   * 中文转换到拼音(每次处理一个字符)
   * @param number $iWORD 待处理字符双字节
   * @return string 拼音
   */
  private static function zh2py($iWORD) {
      if($iWORD>0 && $iWORD<160 ) {
          return chr($iWORD);
      } elseif ($iWORD<-20319||$iWORD>-10247) {
          return '';
      } else {
          foreach (self::$_aMaps as $py => $code) {
              if($code > $iWORD) break;
              $result = $py;
          }
          return $result;
      }
  }
}
?>

Unicode编码
注：在Unicode字符集里，汉字处于4E00-9FFF的范围内，对应16进制的0800-FFFF，所以汉字在utf-8里是用三个字节表示的；
示例：
UTF的字节序和BOM
UTF的BOM头
BOM的中文名译作"字节顺序标记"；UTF-16编码每个字符占用了两个字节，在Macintosh(Mac)机和PC机上，对字节顺序的理解是不一致的；在解释一个UTF-16文本前，首先要弄清楚每个编码单元的字节序；Unicode规范中推荐的标记字节顺序的方法就是BOM;
UTF-8是不需要BOM来表明字节顺序的，但可以用BOM来表明编码方式；
文字编码识别
注：因为UTF-8和GBK有一部分编码范围是重叠的(数理非常少)，因此不能说一定能判断出一个汉字的编码方式；如：
GBK和UTF8该如何选择

注：在PHP或其它编程语言里，很多函数是只支持UTF-8的，如json_encode，该函数如果传进去的参数为GBK的编码时，会报错；
正则分割线---------------------
正则的组成
注：正则的分割符/，不是固定的，可以用?、*.....等其它特殊字符代替；

注：，该表达示里除了[]是元字符外，其它都不是元字符；
字符转义和后向引用
注：上面的例子中，\1表示前面的第一个分组，即(\w+)；
正则环视
示例：
注：以上两个表达示是等价的，都是匹配的jeffrey这个单词中的jeff；
正则的贪婪匹配
正则的引擎
注：如字面意思，NFA表达示主导，是指用表达示去匹配文本(上面示例中，用表达示里的p开始去文本this is pencil中匹配)，而DFA文本主导，则是用文本去匹配表达示(用文本中的t去表达示中做匹配)；
回溯
示例：
注：贪婪匹配匹配的结果为：；
非贪婪匹配匹配的结果为：；
回溯是指在如上面的贪婪匹配中，先用.*匹配出整行文本，然后再从该行文本的末尾开始向前找"；
正则表达式的优化
注：手册推荐使用pcre，pcre的性能相对较好；
用!和+做为分隔符示例：