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 字符串長度計算:strlen vs mb_strlen 深度解析與中英文混排占位算法

核心區別一覽

函數返回值含義多字節字符處理編碼感知
strlen()字節數UTF-8 中文佔 3 字節,GBK 佔 2 字節無(二進制安全)
mb_strlen()字符數(碼位數)正確計為 1需指定或使用內部編碼

實測對比

<?php
// 文件編碼必須為 UTF-8
$str = '中文a字1符'; // 4中文 + 1英文 + 1數字 = 6字符

echo "strlen: " . strlen($str) . "\n";           // 14 (4*3 + 1 + 1)
echo "mb_strlen(UTF-8): " . mb_strlen($str, 'UTF-8') . "\n"; // 6
echo "mb_strlen(GBK): " . mb_strlen($str, 'GBK') . "\n";     // 8 (若文件為GBK編碼)
echo "mb_strlen(GB2312): " . mb_strlen($str, 'GB2312') . "\n"; // 10
?>

原理解析

  • strlen:底層直接返回 zend_string.len,即內存中佔用的字節數。UTF-8 編碼下,ASCII 字符 1 字節,漢字 3 字節。
  • mb_strlen:解析字符編碼,按「字符」計數。第二參數指定編碼,省略時使用 mb_internal_encoding() 返回值(可由 mb_internal_encoding('UTF-8') 設置)。
  • mbstring 擴展非核心:Windows 需在 php.ini 開啟 extension=php_mbstring.dll;Linux 編譯時需 --enable-mbstring。

實用算法:中英文混排「視覺寬度/占位」計算

場景:終端輸出對齊、固定寬度截斷、PDF/圖片繪文字排版。中文字符視覺寬度約為英文 2 倍。

近似公式(無需逐字符判斷)

<?php
function visualWidth(string $str, string $encoding = 'UTF-8'): int {
    $byteLen = strlen($str);
    $charLen = mb_strlen($str, $encoding);
    // 假設:非 ASCII 字符視覺寬度為 2,ASCII 為 1
    // 總寬度 ≈ 字節數 + 字符數  (UTF-8 下:ASCII 1字節1寬,漢字3字節2寬 → 3+1=4≈2*2)
    // 更精確:(byteLen + charLen) / 2
    return (int)(($byteLen + $charLen) / 2);
}

$str = '中文a字1符';
echo visualWidth($str); // (14 + 6) / 2 = 10
?>

精確算法(逐字符判斷 East Asian Width)

<?php
function preciseVisualWidth(string $str): int {
    $width = 0;
    $len = mb_strlen($str, 'UTF-8');
    for ($i = 0; $i < $len; $i++) {
        $char = mb_substr($str, $i, 1, 'UTF-8');
        $code = mb_ord($char, 'UTF-8'); // PHP 7.2+
        
        // Unicode East Asian Width 簡化判斷
        // 全形/寬字符範圍:CJK 統一表意文字、日韓文字、全形符號等
        if ($code >= 0x1100 && (
            $code <= 0x115F ||  // Hangul Jamo
            ($code >= 0x2329 && $code <= 0x232A) ||
            ($code >= 0x2E80 && $code <= 0xA4CF) || // CJK Radicals..Yi Syllables
            ($code >= 0xAC00 && $code <= 0xD7A3) || // Hangul Syllables
            ($code >= 0xF900 && $code <= 0xFAFF) || // CJK Compatibility Ideographs
            ($code >= 0xFE10 && $code <= 0xFE19) || // Vertical Forms
            ($code >= 0xFE30 && $code <= 0xFE6F) || // CJK Compatibility Forms
            ($code >= 0xFF00 && $code <= 0xFF60) || // Fullwidth Forms
            ($code >= 0xFFE0 && $code <= 0xFFE6)
        )) {
            $width += 2;
        } else {
            $width += 1;
        }
    }
    return $width;
}
?>

常見陷阱與最佳實踐

  1. 資料庫字段長度:VARCHAR(255) 限制的是**字符數**(MySQL 字符集為 utf8mb4 時),而非字節數。用 mb_strlen 驗證。
  2. API 參數校驗:限制「用戶名 20 字符」用 mb_strlen($name) <= 20,而非 strlen。
  3. 截取字符串:嚴禁 substr($str, 0, 10)(按字節截斷導致亂碼),必須用 mb_substr($str, 0, 10, 'UTF-8')。
  4. 正則匹配:preg_match('/^.{1,20}$/u', $str),u 修飾符啟用 UTF-8 模式,. 匹配單個字符而非字節。
  5. 內部編碼統一:入口文件統一設置 mb_internal_encoding('UTF-8'),避免隱性 Bug。

總結

  • strlen = 字節數,用於二進制處理、網絡傳輸大小計算、文件大小。
  • mb_strlen = 字符數,用於業務邏輯長度限制、顯示截斷、用戶輸入驗證。
  • 視覺寬度計算:近似用 (strlen + mb_strlen) / 2,精確用 Unicode East Asian Width 表。
  • **鐵律**:處理多字節字符串(中文、日文、Emoji),**全鏈路使用 mb_* 族函數**,並顯式聲明 'UTF-8' 編碼參數。
copyright © 萬盛學電腦網 all rights reserved