如何正确处理多语言字符（包括阿拉伯语）的字母到数字映射转换

本文详解为何直接使用 strlen() 和字符串下标访问阿拉伯语等 Unicode 字符会失败，并提供基于 mb_* 多字节函数的安全解决方案，确保中、阿、乌尔都语等非 ASCII 字母精准映射为对应数字。

本文详解为何直接使用 `strlen()` 和字符串下标访问阿拉伯语等 unicode 字符会失败，并提供基于 `mb_*` 多字节函数的安全解决方案，确保中、阿、乌尔都语等非 ascii 字符精准映射为对应数字。

在 PHP 中，字符串操作默认按字节（byte）而非字符（character）进行处理。英文字符（ASCII）每个仅占 1 字节，因此 strlen($str) 和 $str[$i] 能正常工作；但阿拉伯语、中文、乌尔都语等使用 UTF-8 编码的字符通常占用 2–4 字节（例如阿拉伯字母 "ب" 在 UTF-8 中占 2 字节），此时：

• strlen("ب") 返回 2（字节数），而非 1（字符数）；
• $input[0] 和 $input[1] 分别取到的是该字符的前半字节和后半字节（如 0xD8 和 0xB1），构成非法字节序列，无法匹配 $remap 中的完整 Unicode 字符键，导致 Undefined index 错误或空值/乱码输出。

✅ 正确做法：全程使用多字节安全函数
需用 mb_strlen() 替代 strlen() 获取字符长度，并用 mb_substr($str, $start, 1) 提取单个 Unicode 字符（而非 $str[$i]）：

<?php$input = "بج"; // 示例：两个阿拉伯字符$remap = [    "ا" => '200',    "ب" => '300',    "ج" => '50',    "د" => '100',];$array = [];for ($i = 0; $i < mb_strlen($input, 'UTF-8'); $i++) {    $c = mb_substr($input, $i, 1, 'UTF-8'); // 显式指定编码更稳妥    if (isset($remap[$c])) {        $array[] = $remap[$c];    } else {        $array[] = '?'; // 或抛出异常/跳过未知字符    }}$result = "(" . implode(',', $array) . ")";echo $result; // 输出：(300,50)

? 关键注意事项：

• 必须确保源文件保存为 UTF-8 编码（无 BOM），且 Web 服务器/PHP 输出头声明 Content-Type: text/html; charset=utf-8；
• mb_* 函数依赖 PHP 的 mbstring 扩展——请确认已启用（可通过 extension=mbstring 在 php.ini 中开启）；
• 建议始终显式传入 'UTF-8' 参数（如 mb_strlen($input, 'UTF-8')），避免因默认内部编码不一致引发隐性错误；
• 对于大规模转换，可预先验证 $remap 键是否为合法 UTF-8 字符，或使用 mb_check_encoding($c, 'UTF-8') 做输入过滤。

通过以上改造，你的字母数字映射工具即可无缝支持英语、阿拉伯语、乌尔都语、中文拼音乃至任何 UTF-8 编码文字，真正实现国际化健壮转换。