PHP获取中英混合字符串长度的方法

沈翰

2023-03-14

本文向大家介绍PHP获取中英混合字符串长度的方法，包括了PHP获取中英混合字符串长度的方法的使用技巧和注意事项，需要的朋友参考一下

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。

$str = 'Hello world!';
echo strlen($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。

$str = '你好，世界！';
echo strlen($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：

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

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：

$str = 'Hello，世界！';
preg_match_all('/./us', $str, $match);
echo count($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：

$tmp = @iconv('gbk', 'utf-8', $str);
if(!empty($tmp)){
 $str = $tmp;
}
preg_match_all('/./us', $str, $match);
echo count($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：

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