PHP獲取中英混合字符串長度的方法

 今晚在寫框架的表單驗證類時，需要判斷某個字符串長度是否在指定區間內，很自然地，想到了PHP中的strlen函數。

.代碼如下:
$str = 'Hello world!';
echo strlen($str); // 輸出12

然而在PHP自帶的函數中，strlen及mb_strlen都是通過計算字符串所占字節數來計算長度的，在不同的編碼情況下，中文所占的字節數是不同的。在GBK/GB2312下，中文字符占2個字節，而在UTF-8下，中文字符占3個字節。

.代碼如下:
$str = '你好，世界！';
echo strlen($str); // GBK或GB2312下輸出12，UTF-8下輸出18

而我們在判斷字符串長度時往往需要判斷的是字符的數量，而非字符串所占字節數，如在UTF-8下的這段PHP代碼：

.代碼如下:
$name = '張耕暢';
$len = strlen($name);
// 輸出 FALSE，因為在UTF-8下三個中文占9個字節
if($len >= 3 && $len <= 8){
 echo 'TRUE';
}else{
 echo 'FALSE';
}

那麼有什麼方便而實用的方法可以獲得含中文字符串的長度呢？可以用正則計算出中文字符的個數，在GBK/GB2312編碼下除以2，UTF-8編碼下則除以3，最後再加上非中文字符串的長度，但這樣未免太過麻煩。

 

WordPress這麼一段代碼，借鑒如下：

.代碼如下:
$str = 'Hello，世界！';
preg_match_all('/./us', $str, $match);
echo count($match[0]); // 輸出9

思想是用正則表達式將字符串分割成單個字符，並直接用count計算出匹配到的字符數，便是我們想要的結果了。

 

但以上代碼在UTF-8編碼下並不能處理GBK/GB2312的中文字符串，因為GBK/GB2312的中文字符會被識別為兩個字符而計算出來的中文字符數量會翻倍，於是我想到了這麼一個辦法：

.代碼如下:
$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編碼，經小量數據測試通過，但暫未確定是否完全正確，盼有大牛指點一二。

 

以上本意是為了框架可以兼容多種編碼格式，但一般在日常開發中，一個項目是已經可以確定為何種編碼的，因此可以使用以下函數來方便地獲取字符串長度：

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