PHP内置函数分析之strlen 与 mb_strlen

yanglgzh

　　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

• 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;
  
• }
  

　　

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, &quot;s&quot;, &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