8

Quero iterar uma string com foreach. Para isso, aprendi que devo utilizar a função str_split, que separa cada caractere da string para um array. Porém essa operação não funciona como esperado quando utilizo strings que contenha acentuações, por exemplo (caracteres do utf-8).

Exemplo:

str_split('coração da programação');

O resultado para isso é:

Array
(
    [0] => c
    [1] => o
    [2] => r
    [3] => a
    [4] => �
    [5] => �
    [6] => �
    [7] => �
    [8] => o
    [9] =>  
    [10] => d
    [11] => a
    [12] =>  
    [13] => p
    [14] => r
    [15] => o
    [16] => g
    [17] => r
    [18] => a
    [19] => m
    [20] => a
    [21] => �
    [22] => �
    [23] => �
    [24] => �
    [25] => o
)

Como faço para dividir uma string da mesma forma que str_split faz, porém mantendo os caracteres utf-8?

0

5 Respostas 5

9

Como já falaram grande parte das funções padrão de PHP não tem suporte a strings multibyte e para esses casos o ideal é usar as multibyte string functions. Sendo mais especifico no caso da sua questão o ideal é a mb_split.

1
8

Como algumas funções do php não tem suporte a caracteres multibytes, por incrivel que parece a solução é regex O.o, pois nessa biblioteca eles são suportados.

Pode utilizar o meta caracter ponto(.) para quebrar a string em um array e obter o mesmo resultado que str_split(), vale lembra que para isso é necessário utilizar o modificaro u da PCRE.

$str = 'ação';
preg_match_all('/./u', $str, $arr);

echo "<pre>";

Sáida:

Array
(
    [0] => Array
        (
            [0] => a
            [1] => ç
            [2] => ã
            [3] => o
        )

)
3
  • Interessante. Eu já pensei em usar preg_split com o ., mas ele deixa um tanto de espaço. Aí tem que usar PREG_SPLIT_NO_EMPTY. Já com preg_match não tem esse problema. 1/02/2016 às 19:28
  • @WallaceMaxters, cada a lib de strings com suporte a unicode? não quero uma tipagem mais rigida na linguagem :P, pq não resolver problemas mais graves antes de ter novos super recursos.
    – rray
    1/02/2016 às 19:33
  • você quis dizer "cadê". A única coisa que vi que implementaram de utf-8 é o tal dos caracteres especiais. tipo: "Meu nome \x66 wallace". 1/02/2016 às 19:45
2

O PHP não tem suporte a todos os caracteres unicode, contudo você pode forçá-los através de REGEX.

preg_split('//u', 'coração da programação');

u é o modificador para unicode.

1

Pode fazer usando a função preg_split().

Uma expressão regular que provê maior compatibilidade é /(?<!^)(?!$)/u

   $str = 'coração da programação';
   preg_split("/(?<!^)(?!$)/u", $str);





Vou mostrar com as outras respostas são falhas ou inseguras em relação a funcionalidade.


Testando expressões regulares propostas nas outras respostas usando a string 日本語:

   $str = '日本語';
   /*
   Essa é a expressão regular que provê maior segurança
   */
   print_r(preg_split("/(?<!^)(?!$)/u", $str));
   /** 
   retorno:

   Array
   (
       [0] => 日
       [2] => 本
       [3] => 語
   )
   */

   /*
   Essa expressão está numa das respostas (atualmente marcada como aceita)
   */
   print_r(preg_split("/./u", $str));
   /*
   Funciona bem com caracteres romanos, porém, não retorna corretamente com um simples kanji

   Array
   (
       [0] => 
       [1] => 
       [2] => 
       [3] => 
   )
   */

   print_r(preg_split("//u", $str));
   /*
   Essa outra consegue separar os caracteres, porém, retorna índices vazios no começo e no fim.

   Array
   (
       [0] => 
       [1] => 日
       [2] => 本
       [3] => 語
       [4] => 
   )

   Caso queira usar a expressão "//u", deve-se adicionar alguns parâmetros caso não queira os índices com valores vazios:
   */
   print_r(preg_split("//u", $str, -1, PREG_SPLIT_NO_EMPTY));
   /**
   Retorno:

   Array
   (
       [0] => 日
       [1] => 本
       [2] => 語
   )
   */





Opcional para controle de quantidade de caracteres:

$str = '日本語';

$l = 1;
print_r(preg_split('/(.{'.$l.'})/us', $str, -1, PREG_SPLIT_NO_EMPTY|PREG_SPLIT_DELIM_CAPTURE));

Por fim, uma rotina simples, apenas percorrendo cada caracter da string e populando um array:

$str = '日本語';
$l = mb_strlen($str);
for ($i = 0; $i < $l; $i++) {
    $arr[] = mb_substr($str, $i, 1);
}
print_r($arr);
// Dependendo do caso, esse pode ser mais performático que todos os outros.
// Basta saber como e quando usar os recursos da linguagem.

Nota: Os exemplos acima são para ambientes onde o conjunto de caracteres esteja corretamente configurado.

0

De php.net

<?php
function str_split_unicode($str, $l = 0) {
    if ($l > 0) {
        $ret = array();
        $len = mb_strlen($str, "UTF-8");
        for ($i = 0; $i < $len; $i += $l) {
            $ret[] = mb_substr($str, $i, $l, "UTF-8");
        }
        return $ret;
    }
    return preg_split("//u", $str, -1, PREG_SPLIT_NO_EMPTY);
}
?>

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .