PHP中获取中英文混合字符串长度[主要是指个数，而不是字符串长度](转)

时间：2023-01-09 23:10:39

今晚在写框架的表单验证类时，需要判断某个字符串长度是否在指定区间内，很自然地，想到了PHP中的strlen函数。

  1. $str = 'Hello world!';
  2. echo strlen($str);  // 输出12

然而在PHP自带的函数中，strlen及mb_strlen都是通过计算字符串所占字节数来计算长度的，在不同的编码情况下，中文所占的字节数是不同的。在GBK/GB2312下，中文字符占2个字节，而在UTF-8下，中文字符占3个字节。

  1. $str = '你好，世界！';
  2. echo strlen($str);  // GBK或GB2312下输出12，UTF-8下输出18

 

而我们在判断字符串长度时往往需要判断的是字符的数量，而非字符串所占字节数，如在UTF-8下的这段PHP代码：

  1. $name = '张耕畅';
  2. $len = strlen($name);
  3. // 输出 FALSE，因为在UTF-8下三个中文占9个字节
  4. if($len >= 3 && $len <= 8){
  5.     echo 'TRUE';
  6. }else{
  7.     echo 'FALSE';
  8. }

那么有什么方便而实用的方法可以获得含中文字符串的长度呢？可以用正则计算出中文字符的个数，在GBK/GB2312编码下除以2，UTF-8编码下则除以3，最后再加上非中文字符串的长度，但这样未免太过麻烦。

WordPress这么一段代码，借鉴如下：

  1. $str = 'Hello，世界！';
  2. preg_match_all('/./us', $str, $match);
  3. echo count($match[0]);  // 输出9

思想是用正则表达式将字符串分割成单个字符，并直接用count计算出匹配到的字符数，便是我们想要的结果了。

但以上代码在UTF-8编码下并不能处理GBK/GB2312的中文字符串，因为GBK/GB2312的中文字符会被识别为两个字符而计算出来的中文字符数量会翻倍，于是我想到了这么一个办法：

  1. $tmp = @iconv('gbk', 'utf-8', $str);
  2. if(!empty($tmp)){
  3.     $str = $tmp;
  4. }
  5. preg_match_all('/./us', $str, $match);
  6. echo count($match[0]);

可兼容GBK/GB2312及UTF-8编码，经小量数据测试通过，但暂未确定是否完全正确，盼有大牛指点一二。

以上本意是为了框架可以兼容多种编码格式，但一般在日常开发中，一个项目是已经可以确定为何种编码的，因此可以使用以下函数来方便地获取字符串长度：

  1. int iconv_strlen ( string $str [, string $charset = ini_get("iconv.internal_encoding") ] )
标签：

相关文章