在PHP中,strlen与mb_strlen是求字符串长度的函数,但是对于一些初学者来说,如果不看手册,也许不太清楚其中的区别。
下面通过例子,讲解这两者之间的区别。
$str=‘中文a字1符‘; echo strlen($str);//字节个数 ,14 echo mb_strlen($str,‘UTF-8‘);//选定内码为UTF-8,中文作为一个字节,6 echo mb_strlen($str,‘gbk‘); //8 echo mb_strlen($str,‘gb2312‘); //10
结果分析:在strlen计算时,对待一个UTF8的中文字符是3个长度,所以“中文a字1符”长度是3*4+2=14,在mb_strlen计算时,选定内码为UTF8,则会将一个中文字符当作长度1来计算,所以“中文a字1符”长度是6 .
至于gbk,gb2312我也不太清楚,请大家指教。
利用这两个函数则可以联合计算出一个中英文混排的串的占位是多少(一个中文字符的占位是2,英文字符是1)
echo (strlen($str) + mb_strlen($str,‘UTF8‘)) / 2;
例如 “中文a字1符” 的strlen($str)值是14,mb_strlen($str)值是6,则可以计算出“中文a字1符”的占位是10.
echo mb_internal_encoding();
内部编码可以通过 mb_internal_encoding()函数得到。
PHP内置的字符串长度函数strlen无法正确处理中文字符串,它得 到的只是字符串所占的字节数。对于GB2312的中文编码,strlen得到的值是汉字个数的2倍,而对于UTF-8编码的中文,就是3倍的差异了(在 UTF-8编码下,一个汉字占3个字节)。
采用mb_strlen函数可以较好地解决这个问题。mb_strlen的用法和 strlen类似,只不过它有第二个可选参数用于指定字符编码。例如得到UTF-8的字符串$str长度,可以用 mb_strlen($str,‘UTF-8‘)。如果省略第二个参数,则会使用PHP的内部编码。
需要注意的是,mb_strlen并不是PHP核心函数,使用前需要确保在php.ini中加载了php_mbstring.dll,即确保“extension=php_mbstring.dll”这一行存在并且没有被注释掉,否则会出现未定义函 数的问题。
关于 mb_internal_encoding();中的说的内部编码,是php在处理宽字符时. 默认处理文本文件会使用那个编码设置。
宽字符是指需要多字节表示的字符。mb_internal_encoding 是设置获取获取mb扩展的默认编码设置。mb扩展是php的一个处理宽字符(例如:中文,日文,韩文等)函数库。
strlen(),substr() 操作字符串的时候都是按照内部编码(mb_internal_encoding())来处理的。