PHP内置函数分析之strlen 与 mb_strlen

yywx001

声明：本文为斯人原创，全部为作者一一分析得之，有不对的地方望赐教。

博客地址:PHP技术博客在CSDN也会同步更新的哦.

欢迎转载，转载请注明出处



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
  

intmb_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

[php]
$a="我是s斯t人";
echo strlen($a);
echo "<br>";
echo mb_strlen($a,'utf8');
[/php]



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


[c]
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;
        }
}
[/c]

mbfl_string 是一个结构体


[c]
typedef struct _mbfl_string {
        enum mbfl_no_language no_language;
        enum mbfl_no_encoding no_encoding;
        unsigned char *val;        unsigned int len;
} mbfl_string;

[/c]



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;


[c]

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
[/c]

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


[c]
int  mbfl_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;
}
[/c]

注释很清楚了..

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


[c]
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);
}
[/c]

很简单 只是获取长度而已...

这下 他们俩的区别就很清楚了...