假如mb_strlen不可用可以用自己写的mbstrlen函数
有时候我们需要计算一个字符串中包含的字数,对于纯英文字符串,字数等于字符串长度,用strlen函数即可获得,但如果字符串中包含中文怎办?mb_strlen 可以实现。
php有一个扩展一般是必装的,我们可以使用mb_strlen来获取字符串中的字数,用法一般如下:
$len = mb_strlen("你是我的小苹果","utf-8");
如愿获得字符串长度:7.
如果没装mb扩展呢?自己实现一下吧。
我们要先明白一个事实:字符串是由字符组成的,而字符是由字节表示的,每个英文字符是一个字节,对应一个ascii码,英文字符的ascii码是小于128的,也就是十六进制的 0x80 .当一个字节的ascii码超过了127,那就说明当前字节不是一个完整的字符。
比如
$str = "你是我的小苹果";中的$str{0}可以取到第一个字节,我们来看一下它是啥:
$str = "你是我的小苹果";
echo $str{0};
//�
是个乱码,它只是"你"字的字节之一,也就是说,"你"这个字符是由超过一个字节组成的,我们这样试试:
echo $str{0}.$str{1}.$str{2};
//你
可以看到,将三个字节连在一起输出,就成了一个完整的你。
至于这里为什么是三个字节,而不是两个或4个?这个取决于字符串的编码,我这里控制台默认是utf8编码的,在PHP中,一个utf8字符是用三个字节表达的,如果是gbk编码,则会是两个字节。至于编码和字节的关系,这个话题比较大,一篇说不完,请参考这篇文章:字符编码笔记:ascii,unicode和utf8 。
知道了这些,我们就可以自己编写一个字数检查的函数了,大致流程如下:
- for循环遍历字节
- 判断字节编码是否 >= 0x80,是的话跳过N个字节
我写了个简单的函数,可以判断gbk或utf8字符串的长度,仅供参考:
function mbstrlen( $str, $encoding = "utf-8" ) {
if ( function_exists( 'mb_strlen' ) ) {
return mb_strlen( $str, $encoding );
}
$len = strlen( $str );
if ( 0 == $len ) {
return 0;
}
$encoding = strtolower( $encoding );
if ( 'utf-8' == $encoding ) {
$step = 3;
} elseif ( 'gbk' == $encoding || 'gb2312' == $encoding ) {
$step = 2;
} else {
return 0;
}
$count = 0;
for( $i = 0; $i < $len; $i++ ) {
$count++;
//如果字节码大于127,则根据编码跳几个字节
if ( ord( $str{$i} ) >= 0x80 ) {
$i = $i + $step - 1; //之所以减去1,因为for循环本身还要$i++
}
}
return $count;
}