在 PHP 里有两个计算字符串个数的函数:

  • strlen
  • mb_strlen

strlen

1
int strlen ( string $string )

返回给定的字符串 string 的长度

PHP 内置的字符串长度函数 strlen 无法正确处理中文字符串,它得到的只是字符串所占的字节数。对于 GB2312 的中文编码,strlen 得到的值是汉字个数的 2 倍,而对于 UTF-8 编码的中文,就是 3 倍的差异了(在 UTF-8编码下,一个汉字占3个字节)。

mb_strlen

1
int mb_strlen ( string $str [, string $encoding ] )

返回给定的字符串 string 的长度;encoding 参数为字符编码;如果省略,则使用内部字符编码。

采用 mb_strlen 函数可以较好地解决这个问题。mb_strlen 的用法和 strlen 类似,只不过它有第二个可选参数用于指定字符编码。例如得到 UTF-8 的字符串 $str 长度,可以用 mb_strlen($str,'UTF-8')。如果省略第二个参数,则会使用 PHP 的内部编码。内部编码可以通过 mb_internal_encoding() 函数得到。

需要注意的是,mb_strlen 并不是PHP核心函数,Windows 下使用前需要确保在php.ini中加载了php_mbstring.dll,即确保 extension=php_mbstring.dll 这一行存在并且没有被注释掉,否则会出现未定义函数的问题。Linux 下需要编译这个扩展。

例子

1
2
3
4
5
6
7
8
<?php
//测试时文件的编码方式要是UTF8
$str='中文a字1符';
echo strlen($str).'<br>';//14
echo mb_strlen($str,'utf8').'<br>';//6
echo mb_strlen($str,'gbk').'<br>';//8
echo mb_strlen($str,'gb2312').'<br>';//10
?>

strlen 计算时,对待一个 UTF8 的中文字符是 3 个长度,所以“中文a字1符”长度是 3*4+2=14,在 mb_strlen 计算时,选定内码为 UTF8,则会将一个中文字符当作长度 1 来计算,所以“中文a字1符”长度是 6。

中英文混排计算

利用这两个函数则可以联合计算出一个中英文混排的串的占位是多少(一个中文字符的占位是2,英文字符是1)

1
2
3
<?php
echo (strlen($str) + mb_strlen($str,'UTF8')) / 2; //10
?>