34、PHP 8.4 方法或功能修改 - MBString：Unicode 字符数据库已更新到版本 16

在 PHP 8.4 中，MBString（Multibyte String）扩展引入了一项重要更新：Unicode 字符数据库已更新至版本 16。这意味着，MBString 现在支持最新的 Unicode 字符集和规范，确保了对更广泛的字符集、符号和表情符号（emoji）的支持。

Unicode 15.0、15.1 和 16.0 分别增加了 4,489、627 和 5,185 个新字符。此外，这三个 Unicode 版本的更新还支持了 11 种新的书写系统。然而，对于 MBString 扩展来说，重要的更新是在字符大小写折叠规则方面，这影响到像 mb_strtolower、mb_strtoupper 这样的函数，以及东亚宽度值的分配，用于确定给定字符是被视为标准宽度还是宽字符（mb_strwidth）。

通过对 Unicode 16 的支持，MBString 扩展能够处理所有最新的 Emoji 字符，并且具备最为更新的大小写折叠和字符宽度信息。

MBString 函数本身没有直接的变化。Unicode 字符数据是 MBString 扩展的一部分，将在所有 PHP 8.4 的函数中使用。

如何使用 MBString 处理 Unicode 字符

<?php
$str = "Hello, 👋🌍!";
echo mb_strlen($str, 'UTF-8'); // 正确处理表情符号

向后兼容性影响

UCD 16 当前是 Unicode 标准的最新版本，由于函数参数和返回值没有发生变化，因此不太可能引起任何向后兼容性问题。

然而，请注意，之前在旧版 PHP 中进行过大小写转换或宽度测量的数据，在 PHP 8.4 及以后的版本中可能会返回不同的数据。

以下是一些示例：

echo "Emoji: \u{1F6DC}, width: " . mb_strwidth("\u{1F6DC}");
// 输出: Emoji: 🛜, width: 2

WiFi 表情符号（🛜）是在 UCD 15 中添加的，旧版 PHP 无法识别 1F6DC 代码点，因此返回宽度为 1。

echo mb_strtoupper("\u{019b}") === "\u{a7dc}";

在 UCD 16 中，019b 字符（ƛ - 拉丁小写字母 Lambda 带横杠）有了新的大小写映射。PHP 8.3 及更早版本不支持这个大小写映射，因此 mb_strtoupper("\u{019b}") 会返回 "\u{019b}" 本身。而在 PHP 8.4 及以后版本中，mb_strtoupper("\u{019b}") 会返回 "\u{a7dc}"。

上述代码片段使用了十六进制 Unicode 字符转义符，并放在双引号字符串中。

与其他功能的对比

Intl 扩展和 PCRE 扩展也在其操作中使用了 Unicode 字符数据库。

在 PHP 8.4 中，PCRE2 库更新到了 10.44，且 PCRE2 是基于 UCD 15 构建的。

Intl 扩展依赖于 ICU 库来提供 Unicode 数据表。在默认构建下，底层 ICU 库的 UCD 版本通常是 UCD 15。

尽管不太可能，但在 MBString、Intl 和 PCRE 扩展中处理字符时可能会出现边缘情况。例如，Unicode 16 中对 \u{019b} 字符的新大小写映射在 PCRE 扩展中没有被识别为大写字符：

preg_match('/\p{Ll}/u', "\u{019b}"); // Unicode 识别，匹配任何小写字符
// 在 PHP 8.3 和 8.4 中都能匹配

preg_match('/\p{Lu}/u', mb_strtoupper("\u{019b}")); // Unicode 识别，匹配任何大写字符
// 在 PHP 8.3 或 8.4 中都不会匹配，尽管它被认为是大写字符

请注意，UCD 版本号不匹配的问题在 PHP 8.4 中并不新鲜，UCD 不匹配导致问题的可能性是非常低的。