mb_internal_encoding php,strlen和mb_strlen函数的区别

参考文档

在使用strlen和mb_strlen这两个函数时，注意文件编码、数据库编码、浏览器编码，三码合一

strlen() 和 mb_strlen()共同点：

strlen( $str ) 和 mb_strlen( $str [,encoding ] )都是：求字符串长度的函数。

strlen不能设置编码类型；mb_strlen可以设置字符串编码类型(根据第二个参数)。

strlen() 和 mb_strlen()之间的区别：

strlen计算字符时，对utf-8中文字符是长度为3。(默认使用内部编码；如果内码使用的时gbk或gb2312那么，中文字符长度为2)

mb_strlen函数在使用时，需要加载php_mbstring.dll模块(就是在php.ini中开启extension=php_mbstring.dll)，否则运行时会出现未定义函数。

mb_strlen函数，选择utf8为内码时，中文字符当作长度为1来计算。(关于mb_strlen在处理乱码，就是除了内码外的编码(文件编辑器的编码)，这里使用gbk就会出现乱码)

$str = "你好a中国world!";

echo strlen( $str ), "
"; //> 19

echo mb_strlen( $str , 'utf8'); //> 11

echo mb_strlen( $str, 'gbk' ); //> 13

echo mb_strlen( $str, 'gb2312' );//> 13

echo mb_strlen( $str ); //> 默认使用内部编码(这里时utf-8) 11

?>

这里的utf8，得到预期的结果为4+7=11(4个中文+7个英文)

gbk 和 gb2312 得到13，这时什么意思？？？(出现了乱码)

strlen或mb_strlen在处理汉字时，出现解析错误，得到的是字符串所占的字节数。(上面的gbk和gb2312就是这种原因造成的；由于默认内部编码为utf-8，所以出现解析错误。)

这里strlen、mb_strlen默认使用的编码，就是编辑器文件的编码。

如何获取当前文件内码：

php的内置函数 mb_internal_encoding()，该函数会返回一个字符串。

echo mb_internal_encoding(); //> "UTF-8" 没有参数时，返回内部默认编码

?>

使用mb_internal_encoding($encoding)设置内部默认编码。

//> 获取文件内部默认编码

echo mb_internal_encoding(), "
";

dump( mb_internal_encoding("GB2312"), "
");

echo mb_internal_encoding();

$str = "你好中国";

echo "
", mb_strlen( $str );

运行结果：

UTF-8

bool(true)

EUC-CN

7

这里mb_strlen( $str )得到7，是由于编辑器的编码是utf-8。如果我们改掉编辑器编码为GB2312编码的到的是4。(可以知道，在没有乱码(三码合一)，中文字符在被mb_strlen处理时是当做1计算。)

strlen( $str )：计算时，使用的编码以文件的编码为准(如果文件为gbk那么一个汉字为2；utf-8那么一个汉字为3)

mb_internal_encoding( [encoding] )：设置编码，默认返回true(设置成功)/false(设置失败)。

strlen()和mb_strlen()函数的组合应用：

这两个函数联合计算出一个中英文混排的串是多少(一个中文字符的占位是2，英文字符是1)

$str = "你好a中国world!";

echo (strlen( $str ) + mb_strlen( $str, 'utf8' ))/2; //>15

"你好a中国world!" 的strlen($str)是19，mb_strlen($str,'utf8')是11，"你好a中国world!"的占位是15 (4*2+7)

总结：

strlen、mb_strlen在使用时，最好设置三码合一。

如果所有的编码都是一致的，那么：

strlen获取的是字符串的内部字节。(gbk、gb2312等，一个汉字为2；utf-8，一个汉字为3。英文下的字母或符号都是为1)

mb_strlen获取的是指定编码下的字符数(前提是指定编码需要和文件编码一致)

如果文件编码和设置的编码不一致：

在使用strlen时，默认使用文件编码计算(如：文件编码为utf-8，每个汉字就为3)

mb_strlen在处理汉字会出现乱码的情况。

mb_internal_encoding([encoding])：可以设置/获取，当前文件的编码。