萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

PHP 獲取中英混合字符串真實長度的最佳實踐

問題背景

strlen() 返回字節數而非字符數。GBK/GB2312 中文字符佔 2 字節,UTF-8 佔 3 字節,導致長度判斷失真:

$str = '你好,世界!';
echo strlen($str); // GBK 輸出 12,UTF-8 輸出 18(實際 7 個字符)

方案一:正則 + preg_match_all(UTF-8 專用)

$str = 'Hello,世界!';
preg_match_all('/./us', $str, $matches);
echo count($matches[0]); // 輸出 9(含標點)

/./us 中 u 修飾符啟用 UTF-8 模式,s 允許匹配換行,. 匹配單個 Unicode 字符。

方案二:統一轉 UTF-8 後再計算(兼容 GBK/UTF-8)

$str = '你好,世界!'; // 假設可能是 GBK
$tmp = @iconv('GBK', 'UTF-8//IGNORE', $str);
if ($tmp !== false) $str = $tmp; // 轉換成功則替換

preg_match_all('/./us', $str, $matches);
echo count($matches[0]); // 正確輸出字符數

//IGNORE 忽略無法轉換的字符,避免中斷。經小規模測試通用,極端字符集建議進一步驗證。

方案三:iconv_strlen() 官方函數(推薦生產環境)

// 直接指定編碼獲取字符長度
$len = iconv_strlen($str, 'UTF-8');      // UTF-8 字符串
$len = iconv_strlen($str, 'GBK');        // GBK 字符串
// 第二參數省略時使用 ini_get('iconv.internal_encoding')

內部實現高效,無需正則開銷,項目編碼確定時首選。

框架封裝建議

function mb_strlen_compat($str, $encoding = null) {
    if ($encoding === null) $encoding = mb_detect_encoding($str, ['UTF-8', 'GBK', 'GB2312']);
    return iconv_strlen($str, $encoding);
}

結合 mb_detect_encoding 自動識別編碼,實現跨編碼項目的通用長度檢測。

copyright © 萬盛學電腦網 all rights reserved