2021-11-11工作问题学习记录

项目中，遇到了一个计算校验中文存储字节数的问题，预期是一个中文字符可以被计算为2个字节，使用的PHP内置方法是 mb_strwidth，但是，有这么一个测试字符串$test_str = "/：；（）?@“”。，?!"，按照预期的计算值应该为21，本应不能通过校验规则（校验规则是统计字节数超过20，则无法通过校验），然而，实际得到的统计结果却为19，导致通过校验流程后，其他后续处理流程在处理这个字符串后的报错问题，相关代码如下：

<?php
    $test_str = '/：；（）?@“”。，?!';
	
	$str_length = mb_strwidth($test_str, 'UTF-8');
	
    // 结果为19，预期结果应该为21
	echo $str_length;

?>

问题原因是中文的前后双引号（“和”）的unicode码分别为\u201c以及\u201d，然而， mb_strwidth对于

字符	宽度
U+0000 - U+0019	0
U+0020 - U+1FFF	1
U+2000 - U+FF60	2
U+FF61 - U+FF9F	1
U+FFA0 -	2

在U+0020-U+1FFF范围内的字符宽度计算值为1，并不是通常中文和中文标点符号的计算值2，因此，导致了最终的计算值比预期少2的问题现象。我这边参照了前端同学的JS验证算法，做了如下调整：

<?php
    $pattern = '/[^\x00-\xff]/u';
	$replacement = '**';
	$new_str = preg_replace($pattern, $replacement, $test_str);
	$new_str_length = mb_strwidth($new_str, 'UTF-8');
	
    // 结果为21
    echo $new_str_length;

?>

目前测试下来，包括本测试例子在内，大部分的测试用例，均能得到预期的计算统计结果，然而，不清楚这样的调整能否适应更多的场景情形，还需要不断观察总结。