微博字數規則:中文/全形 = 2、英文/半形 = 1。PHP strlen() 回傳位元組數 (UTF-8 中文 3 字節),mb_strlen() 視所有字元為 1,皆不符合需求。本文提供精確計算函數 strlen_weibo(),支援 UTF-8/GBK,正確處理全半形、控制字元。
<?php
/**
* 微博風格字串長度計算
* 中文/全形 = 2,英文/半形/控制字元 = 1
* @param string $string 待計算字串
* @param string $charset 編碼:utf-8 或 gbk/gb2312
* @return int 計算長度
*/
function strlen_weibo($string, $charset = 'utf-8') {
$n = $count = 0;
$length = strlen($string);
if (strtolower($charset) === 'utf-8') {
while ($n < $length) {
$byte = ord($string[$n]);
// ASCII 控制字元 (Tab, LF) + 可列印 ASCII (32-126) → 1
if ($byte === 9 || $byte === 10 || (32 <= $byte && $byte <= 126)) {
$n++; $count++;
}
// 2 字節 UTF-8 (194-223) → 2 (希臘、西里爾等)
elseif (194 <= $byte && $byte <= 223) {
$n += 2; $count += 2;
}
// 3 字節 UTF-8 (224-239) → 2 (中日韓統一表意文字)
elseif (224 <= $byte && $byte <= 239) {
$n += 3; $count += 2;
}
// 4 字節 UTF-8 (240-247) → 2 (Emoji、擴展區)
elseif (240 <= $byte && $byte <= 247) {
$n += 4; $count += 2;
}
// 5/6 字節 (理論值,實際極少用) → 2
elseif (248 <= $byte && $byte <= 251) {
$n += 5; $count += 2;
}
elseif ($byte === 252 || $byte === 253) {
$n += 6; $count += 2;
}
// 非法位元組 → 視為 1
else {
$n++; $count++;
}
if ($count >= $length) break; // 防護
}
return $count;
} else {
// GBK/GB2312:高位元組 (>= 128) 視為雙位元組字元
for ($i = 0; $i < $length; $i++) {
if (ord($string[$i]) > 127) {
$i++; // 跳過第二字節
$count++; // 雙位元組字元計 2 (這裡邏輯:先+1,迴圈結尾再+1)
}
$count++;
}
return $count;
}
}
?>
<?php
// UTF-8 測試
$tests = [
's@@你好' => 8, // s(1) + 全形@(2) + 半形@(1) + 你(2) + 好(2)
'Hello世界' => 9, // H e l l o (5) + 世(2) + 界(2)
'😀Emoji' => 7, // Emoji 4字節(2) + E m o j i (5)
'測試123' => 8, // 測(2) 試(2) 1 2 3 (3)
'Full' => 10, // 全形各 2
];
foreach ($tests as $str => $expected) {
$actual = strlen_weibo($str, 'utf-8');
echo "[$str] 期望:$expected 實際:$actual " . ($actual === $expected ? '✅' : '❌') . "\n";
}
?>
| 字元類別 | Unicode 範圍 | UTF-8 位元組 | 首字節範圍 | 計數 |
|---|---|---|---|---|
| 控制字元 | U+0000-U+001F, U+007F | 1 | 0-31, 127 | 1 |
| ASCII 可列印 | U+0020-U+007E | 1 | 32-126 | 1 |
| 拉丁擴展等 | U+0080-U+07FF | 2 | 194-223 | 2 |
| 中日韓統一表意文字 | U+0800-U+FFFF | 3 | 224-239 | 2 |
| Emoji/擴展區 | U+10000-U+10FFFF | 4 | 240-244 | 2 |
| 全形 ASCII | U+FF01-U+FF5E | 3 | 239 (EF) | 2 |
<?php
function validate_weibo_length($input, $maxLen = 140) {
$len = strlen_weibo($input, 'utf-8');
if ($len > $maxLen) {
throw new Exception("內容超過 $maxLen 字 (當前 $len 字)");
}
return true;
}
// 截取至指定微博長度
function mb_substr_weibo($str, $maxLen, $charset = 'utf-8') {
// 簡易版:逐字檢查累計長度 (效能較低,長字串建議優化)
$result = '';
$currentLen = 0;
$len = mb_strlen($str, $charset);
for ($i = 0; $i < $len; $i++) {
$char = mb_substr($str, $i, 1, $charset);
$charLen = strlen_weibo($char, $charset);
if ($currentLen + $charLen > $maxLen) break;
$result .= $char;
$currentLen += $charLen;
}
return $result;
}
?>
PHP 7.3+ 可使用 grapheme_strlen() (需 intl 擴充) 計算使用者感知字元數 (Grapheme Cluster),但仍無法直接對應微博「中文=2」規則。本函數仍為符合特定業務規則的最佳實作。
strlen_weibo() 精確實現微博字數規則,解決 UTF-8/GBK 混合環境下的字元計數難題,是社交類應用輸入驗證的核心工具函數。