百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

PHP使用json_encode()处理数组时,不转义 中文和 反斜线 等字符串

ztj100 2025-01-12 20:23 43 浏览 0 评论

json_encode 语法简介:

 (PHP 5 >= 5.2.0, PHP 7, PHP 8, PECL json >= 1.2.0)
 json_encode — 对变量进行 JSON 编码
说明
 json_encode(mixed $value, int $options = 0, int $depth = 512): string|false返回字符串,包含了 value 值 JSON 形式的表示。编码受传入的 options 参数影响,此外浮点值的编码依赖于 serialize_precision。
参数

 value
  待编码的 value ,除了 资源(resource) 类型之外,可以为任何数据类型所有字符串数据的编码必须是 UTF-8。
  注意:
  PHP 实现了 JSON 的一个超集,参考 ? RFC 7159.
 options
  由以下常量组成的二进制掩码: JSON_FORCE_OBJECT, JSON_HEX_QUOT, JSON_HEX_TAG, JSON_HEX_AMP, JSON_HEX_APOS, JSON_INVALID_UTF8_IGNORE, JSON_INVALID_UTF8_SUBSTITUTE, JSON_NUMERIC_CHECK, JSON_PARTIAL_OUTPUT_ON_ERROR, JSON_PRESERVE_ZERO_FRACTION, JSON_PRETTY_PRINT, JSON_UNESCAPED_LINE_TERMINATORS, JSON_UNESCAPED_SLASHES, JSON_UNESCAPED_UNICODE, JSON_THROW_ON_ERROR。 关于 JSON 常量详情参考 JSON 常量页面。
 depth
  设置最大深度。 必须大于0。
 返回值
  成功则返回 JSON 编码的 string 或者在失败时返回 false 。

问题1:

 项目经常 用PHP的json_encode来处理中文的时候, 中文字都会被编码, 变成不可读的, 类似"u*"的格式, 还会在一定程度上增加传输的数据量.

$str = '中华人民共和国' ;
echo json_encode($str) ; die() ;
// "\u4e2d\u534e\u4eba\u6c11\u5171\u548c\u56fd"

解决:

  使用 json_encode 第二个参数 JSON_UNESCAPED_UNICODE(中文不转为unicode ,对应的数字 256) ;

 `$str = '中华人民共和国' ;
echo json_encode($str) ;
// "\u4e2d\u534e\u4eba\u6c11\u5171\u548c\u56fd"
echo json_encode($str,JSON_UNESCAPED_UNICODE) ;
// "中华人民共和国"
die() ;` 

问题2:

  用PHP的json_encode来处理数组的时候, 不想转义其中的 /;

解决2:

  使用 json_encode 第二个参数 JSON_UNESCAPED_SLASHES (不要编码 /。 ,对应的数字 64) ;

`$str = '中华/人民/共和国' ;
echo json_encode($str,JSON_UNESCAPED_UNICODE) ;
// "中华\/人民\/共和国"
echo json_encode($str,JSON_UNESCAPED_UNICODE+JSON_UNESCAPED_SLASHES) ;
//"中华/人民/共和国"
echo json_encode($str,320) ;
//"中华/人民/共和国"` 

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: