PHP中获取中英文混合字符串长度
杰拉斯 | 时间:2012-12-04, Tue | 35,248 views后台技术
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,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:
int iconv_strlen ( string $str [, string $charset = ini_get("iconv.internal_encoding") ] )
如需转载请注明出处:杰拉斯的博客
iconv_strlen 自身可以处理中英文混合.
本意是想能够直接兼容两种编码,因为框架不能确定用户使用的是哪种编码。。不过又发现这种方法对GBK/GB2312不适用。。或许得再增加一个配置常量= =?
或者有没有什么更好的办法呢?
只开发UTF-8标准.
也好,统一规范之后也可以少考虑很多东西。
简单地测试了一下,貌似可以,不知可不可行?
不知道为什么一定要兼容GBK呢?
多考虑一下兼容性不好吗?
个人观点,不必要的,无论是什么发行版的Linux,默认都是UTF-8的,而且用框架的,都不会是部署什么简单APP,而且,框架对性能是有影响的,我们要尽量减少,你看Yaf都不考虑编码啦,人家还做成一个扩展呢.
博主,请问在正则表达式的定界符后面加上us有什么作用
@Dawn
请看此处~
http://t.cn/zTjM3SW