PHP内置函数分析之strlen 与 mb_strlen
在PHP里 有两个计算 字符串个数的函数一个是 strlen,一个是mb_strlen;
先来看看帮助手册的定义
[*]strlen
strlen — 获取字符串长度
int strlen ( string $string )
返回给定的字符串 string 的长度。
[*]mb_strlen
int mb_strlen ( string $str [, string $encoding ] )
返回给定的字符串 string 的长度。
encoding参数为字符编码。如果省略，则使用内部字符编码。
这么看 除了mb_strlen可以传递一个 字符编码好像没有其他区别
写一个PHP程序来看看
[*]$a="我是s斯t人";
[*]echo strlen($a);
[*]echo "";
[*]echo mb_strlen($a,'utf8');
输出结果
14
6
很明显 strlen对于中文来讲,每个汉字占三个字节,$a的字节数就是14,说明 strlen计算的是字符串所占的字节数
在mb_strlen计算时,如果encoding设置为utf8,那么,中文将占一个字节 那么$a就是6
需要注意的是 mb_strlen并不是PHP内置函数,需要修改php.ini,开启 php_mbstring
好了..
我们下面就深入到PHP内核源码去看看两个函数的不同.
先看mb_strlen的定义
[*]PHP_FUNCTION(mb_strlen)
[*]{
[*] int n;
[*] mbfl_string string;
[*] char *enc_name = NULL; int enc_name_len;
[*]
[*] mbfl_string_init(&string);
[*] if (zend_parse_parameters(ZEND_NUM_ARGS() TSRMLS_CC, "s|s", (char **)&string.val, &string.len, &enc_name, &enc_name_len) == FAILURE) {
[*] RETURN_FALSE;
[*] }
[*]
[*] string.no_language = MBSTRG(language);
[*] if (enc_name == NULL) { string.no_encoding = MBSTRG(current_internal_encoding);
[*] } else {
[*] string.no_encoding = mbfl_name2no_encoding(enc_name);
[*] if (string.no_encoding == mbfl_no_encoding_invalid) {
[*] php_error_docref(NULL TSRMLS_CC, E_WARNING, "Unknown encoding \"%s\"", enc_name); RETURN_FALSE;
[*] }
[*] }
[*]
[*] n = mbfl_strlen(&string);
[*] if (n >= 0) {
[*] RETVAL_LONG(n);
[*] } else {
[*] RETVAL_FALSE;
[*] }
[*]}
mbfl_string 是一个结构体
[*]typedef struct _mbfl_string {
[*] enum mbfl_no_language no_language;
[*] enum mbfl_no_encoding no_encoding;
[*] unsigned char *val; unsigned int len;
[*]} mbfl_string;
看定义就知道,这两个保存了当前字符串的语言,编码,保存的值和长度
mbfl_string_init(&string);
这个函数是初始化string;
if (zend_parse_parameters(ZEND_NUM_ARGS() TSRMLS_CC, “s|s”, (char **)&string.val, &string.len, &enc_name, &enc_name_len) == FAILURE) {
RETURN_FALSE;
}
这里接收传递过来的两个参数,也就是前面看到的 string和encoding,
enc_name保存编码,enc_name_len保存编码名字的长度
string.no_language = MBSTRG(language);
展开后
#define MBSTRG(v) (mbstring_globals.v)
这里将mbstring的language赋给string的no_language;
[*]if (enc_name == NULL) {//如果没有手动设置编码,那么就使用PHP内置的编码 这个时候就与strlen相同
[*] string.no_encoding = MBSTRG(current_internal_encoding);
[*] }else {
[*] //检查是否是有效的编码
[*] string.no_encoding = mbfl_name2no_encoding(enc_name);
[*] //如果传递来的编码无效 抛出异常
[*] if (string.no_encoding == mbfl_no_encoding_invalid) {
[*] php_error_docref(NULL TSRMLS_CC, E_WARNING, "Unknown encoding \"%s\"", enc_name);
[*] RETURN_FALSE;
[*] }
[*] }
[*]n = mbfl_strlen(&string);//计算字符串的长度
原来这个函数里只是验证编码
真正计算长度的函数是mbfl_strlen
[*]intmbfl_strlen(mbfl_string *string)
[*]{
[*] int len, n, m, k;
[*] unsigned char *p;
[*] const unsigned char *mbtab;
[*] const mbfl_encoding *encoding;
[*] //验证编码是否有效
[*] encoding = mbfl_no2encoding(string->no_encoding);
[*] if (encoding == NULL || string == NULL) {
[*] return -1;
[*] }
[*]
[*] len = 0;
[*]//下面是几种不同的
[*] if (encoding->flag & MBFL_ENCTYPE_SBCS) {//是单字节字符集 直接返回
[*] len = string->len;
[*] } else if (encoding->flag & (MBFL_ENCTYPE_WCS2BE | MBFL_ENCTYPE_WCS2LE)) { //宽字节每个字占2位
[*] len = string->len/2;
[*] } else if (encoding->flag & (MBFL_ENCTYPE_WCS4BE | MBFL_ENCTYPE_WCS4LE)) {//宽字节每个字占4位
[*] len = string->len/4;
[*] } else if (encoding->mblen_table != NULL) { //mblen_table是做什么的没搞清楚,望赐教
[*] mbtab = encoding->mblen_table;
[*] n = 0;
[*] p = string->val;
[*] k = string->len;
[*] /* count */
[*] if (p != NULL) {
[*] while (n < k) {
[*] m = mbtab[*p];
[*] n += m;
[*] p += m;
[*] len++;
[*] };
[*] }
[*] } else { //其他编码 转换成mbfl_no_encoding_wchar再计算
[*] /* wchar filter */
[*] mbfl_convert_filter *filter = mbfl_convert_filter_new(
[*] string->no_encoding,
[*] mbfl_no_encoding_wchar,
[*] filter_count_output, 0, &len);
[*] if (filter == NULL) {
[*] return -1;
[*] }
[*] /* count */
[*] n = string->len;
[*] p = string->val;
[*] if (p != NULL) {
[*] while (n > 0) {
[*] (*filter->filter_function)(*p++, filter);
[*] n--;
[*] }
[*] }
[*] mbfl_convert_filter_delete(filter);
[*] }
[*]
[*] return len;
[*]}
mb_strlen就是根据encoding不同的编码,来分别计算..好像可以计算世界大部分不同的编码格式
相比 mb_strlen ,strlen就简单的多多的多的多了
开始 没有找到 strlen定义的地方,
它在 Zend/zend_builtin_functions.c里定义的
[*]ZEND_FUNCTION(strlen)
[*]{
[*] char *s1;
[*] int s1_len;
[*]
[*] if (zend_parse_parameters(ZEND_NUM_ARGS() TSRMLS_CC, "s", &s1, &s1_len) == FAILURE) {
[*] return;
[*] }
[*]
[*] RETVAL_LONG(s1_len);
[*]}
很简单 只是获取长度而已…
这下 他们俩的区别就很清楚了…
原文出处:http://www.imsiren.com/archives/196
页:
[1]