php统计字数函数,微博内容字数统计函数（PHP版）

最近在做一个项目，其中一部分的内容就是文章内容跟微博的同步，即在发布文章时，同步更新到微博。 需要解决的问题之一就是判断文章内容的长度，因为微博(包括新浪微博和腾讯微博)都有字数限制，不能超过140字，如果超过了，就会发布失败。 但微博的字数统

最近在做一个项目，其中一部分的内容就是文章内容跟微博的同步，即在发布文章时，同步更新到微博。

需要解决的问题之一就是判断文章内容的长度，因为微博(包括新浪微博和腾讯微博)都有字数限制，不能超过140字，如果超过了，就会发布失败。

但微博的字数统计方法又有点特殊，其将中文字符作为一个长度，英文、数字、标点符号等两个为一个长度。PHP中常用的字数统计函数有strlen和mb_strlen等，在strlen函数中，统计得到的是字符串所占的字节数，其对待一个UTF8编码的中文字符是3个字节的长度，对于GB2312的中文编码，得到的则是2个字节长度，英文则是一个字节的长度；而在mb_strlen函数中，中英文都会被计算为一字节的长度。因此，使用PHP自带的函数进行微博内容字数统计，显然会造成统计结果错误。

解决方案

PHP版微博内容字数统计函数如下：

/*

//获取微博字符长度

*/

function WeiboLength($str)

{

$arr = arr_split_zh($str); //先将字符串分割到数组中

foreach ($arr as $v){

$temp = ord($v); //转换为ASCII码

if ($temp > 0 && $temp < 127) {

$len = $len+0.5;

}else{

$len ++;

}

}

return ceil($len); //加一取整

}

/*

//拆分字符串函数,只支持 gb2312编码

//参考：http://u-czh.iteye.com/blog/1565858

*/

function arr_split_zh($tempaddtext){

$tempaddtext = iconv("UTF-8", "GBK//IGNORE", $tempaddtext);

$cind = 0;

$arr_cont=array();

for($i=0;$i0){

if(ord(substr($tempaddtext,$cind,1)) < 0xA1 ){ //如果为英文则取1个字节

array_push($arr_cont,substr($tempaddtext,$cind,1));

$cind++;

}else{

array_push($arr_cont,substr($tempaddtext,$cind,2));

$cind+=2;

}

}

}

foreach ($arr_cont as &$row)

{

$row=iconv("gb2312","UTF-8",$row);

}

return $arr_cont;

}

说明

将字符串分割到数组中，不能简单地使用str_split等函数，分割英文字符串还行，但对待中／英文以及数字／符号等混编的内容来说，会生成完全乱码的内容。

基于第一点，本文使用了http://u-czh.iteye.com/blog/1565858一文中提供的字符串拆分函数，但在实际使用过程中，发现对于一些经过strip_tags函数过滤后的内容，会生成乱码的内容，本文的解决方案是将：$tempaddtext = iconv("UTF-8", "gb2312", $tempaddtext); 修订为：$tempaddtext = iconv("UTF-8", "GBK//IGNORE", $tempaddtext);

测试结果

使用如下一段文本进行测试。

#IT资讯#众所周知微软非常渴望缓解Windows 8/8.1系统占比不高的尴尬，已经迫不及待的想要介绍精心改良的Windows 9操作系统，但是这一天还需要再等待一段时间。因为根据NPD集团在今年的返校季调查结果显示最大的赢家并不是Windows PC，而是Mac和Chromebooks。

新浪微博统计结果如下：

统计结果为120个字符。

接下来，分别使用三个函数的测试结果如下：

本文函数的统计结果与微博的统计结果一致。

目前的使用过程中还都正常，不排除一些情况下会出现异常，望大家反馈。