PHP中获取中英文混合字符串长度

saundy

今晚在写框架的表单验证类时，需要判断某个字符串长度是否在指定区间内，很自然地，想到了PHP中的strlen函数。

• 
  $str='Hello world!';
  
  
• 
  echo strlen($str);  // 输出12
  

然而在PHP自带的函数中，strlen及mb_strlen都是通过计算字符串所占字节数来计算长度的，在不同的编码情况下，中文所占的字节数是不同的。在GBK/GB2312下，中文字符占2个字节，而在UTF-8下，中文字符占3个字节。

• 
  $str='你好，世界！';
  
  
• 
  echo strlen($str);  // GBK或GB2312下输出12，UTF-8下输出18
  

而我们在判断字符串长度时往往需要判断的是字符的数量，而非字符串所占字节数，如在UTF-8下的这段PHP代码：

• 
  $name='张耕畅';
  
  
• 
  $len=strlen($name);
  
  
• 
  // 输出 FALSE，因为在UTF-8下三个中文占9个字节
  
  
• 
  if($len>=3&&$len<=8){
  
  
• 
      echo'TRUE';
  
  
• 
  }else{
  
  
• 
      echo'FALSE';
  
  
• }
  

那么有什么方便而实用的方法可以获得含中文字符串的长度呢？可以用正则计算出中文字符的个数，在GBK/GB2312编码下除以2，UTF-8编码下则除以3，最后再加上非中文字符串的长度，但这样未免太过麻烦。

WordPress这么一段代码，借鉴如下：

• 
  $str='Hello，世界！';
  
  
• 
  preg_match_all('/./us',$str,$match);
  
  
• 
  echo count($match[0]);// 输出9
  

思想是用正则表达式将字符串分割成单个字符，并直接用count计算出匹配到的字符数，便是我们想要的结果了。

但以上代码在UTF-8编码下并不能处理GBK/GB2312的中文字符串（感谢oc_china提出），因为GBK/GB2312的中文字符会被识别为两个字符而计算出来的中文字符数量会翻倍，于是我想到了这么一个办法：

• 
  $tmp=@iconv('gbk','utf-8',$str);
  
  
• 
  if(!empty($tmp)){
  
  
• 
      $str=$tmp;
  
  
• 
  }
  
  
• 
  preg_match_all('/./us',$str,$match);
  
  
• 
  echo count($match[0]);
  

可兼容GBK/GB2312及UTF-8编码，经小量数据测试通过，但暂未确定是否完全正确，盼有大牛指点一二。

以上本意是为了框架可以兼容多种编码格式，但一般在日常开发中，一个项目是已经可以确定为何种编码的，因此可以使用以下函数来方便地获取字符串长度：

• 
  inticonv_strlen(string$str[,string$charset=ini_get("iconv.internal_encoding")])
  

=======================签 名 档=======================
原文地址（我的博客）：http://www.clanfei.com/2012/12/1671.html
欢迎访问交流，至于我为什么要多弄一个博客，因为我热爱前端，热爱网页，我更希望有一个更加自由、真正属于我自己的小站，或许并不是那么有名气，但至少能够让我为了它而加倍努力。。
=======================签 名 档=======================