PHP擷取中英混合字串長度的方法

 今晚在寫架構的表單驗證類時，需要判斷某個字串長度是否在指定區間內，很自然地，想到了PHP中的strlen函數。

.代碼如下:
$str = 'Hello world!';
echo strlen($str); // 輸出12

然而在PHP內建的函數中，strlen及mb_strlen都是通過計算字串所佔位元組數來計算長度的，在不同的編碼情況下，中文所佔的位元組數是不同的。在GBK/GB2312下，中文字元佔2個位元組，而在UTF-8下，中文字元佔3個位元組。

.代碼如下:
$str = '你好，世界！';
echo strlen($str); // GBK或GB2312下輸出12，UTF-8下輸出18

而我們在判斷字串長度時往往需要判斷的是字元的數量，而非字串所佔位元組數，如在UTF-8下的這段PHP代碼：

.代碼如下:
$name = '張耕暢';
$len = strlen($name);
// 輸出 FALSE，因為在UTF-8下三個中文佔9個位元組
if($len >= 3 && $len <= 8){
 echo 'TRUE';
}else{
 echo 'FALSE';
}

那麼有什麼方便而實用的方法可以獲得含中文字串的長度呢？可以用正則計算出中文字元的個數，在GBK/GB2312編碼下除以2，UTF-8編碼下則除以3，最後再加上非中文字串的長度，但這樣未免太過麻煩。

 

WordPress這麼一段代碼，借鑒如下：

.代碼如下:
$str = 'Hello，世界！';
preg_match_all('/./us', $str, $match);
echo count($match[0]); // 輸出9

思想是用Regex將字串分割成單個字元，並直接用count計算出匹配到的字元數，便是我們想要的結果了。

 

但以上代碼在UTF-8編碼下並不能處理GBK/GB2312的中文字串，因為GBK/GB2312的中文字元會被識別為兩個字元而計算出來的中文字元數量會翻倍，於是我想到了這麼一個辦法：

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

可相容GBK/GB2312及UTF-8編碼，經小量資料測試通過，但暫未確定是否完全正確，盼有大牛指點一二。

 

以上本意是為了架構可以相容多種編碼格式，但一般在日常開發中，一個項目是已經可以確定為何種編碼的，因此可以使用以下函數來方便地擷取字串長度：

.代碼如下:
int iconv_strlen ( string $str [, string $charset = ini_get("iconv.internal_encoding") ] )