mysql 字符串長度計算實現代碼(gb2312+utf8)

2024-07-24 13:02:37

字體：大中小

來源：轉載

供稿：網友

PHP對中文字符串的處理一直困擾于剛剛接觸PHP開發的新手程序員。下面簡要的剖析一下PHP對中文字符串長度的處理：

PHP自帶的函數如strlen()、mb_strlen()都是通過計算字符串所占字節數來統計字符串長度的，一個英文字符占1字節。例：

$enStr = 'Hello,China!';
echo strlen($enStr); // 輸出：12

而中文則不然，做中文網站一般會選擇兩種編碼：gbk/gb2312或是utf-8。utf-8能兼容更多的字符，所以受到很多站長的喜愛。gbk與utf-8對中文的編碼不同，導致中文在gbk與utf-8編碼下所占字節也有差異。

gbk編碼下每個中文字符所占字節為2，例：

$zhStr = '您好，中國！';
echo strlen($zhStr); // 輸出：12

utf-8編碼下每個中文字符所占字節為3，例：

$zhStr = '您好，中國！';
echo strlen($zhStr); // 輸出：18

那么如何計算這組中文字符串的長度呢？有人可能會說gbk下獲取中文字符串長度除以2，utf-8編碼下除以3不就行了嗎？但是您要考慮字符串并不老實，99%的情況會以中英混合的情況出現。

這是WordPress中的一段代碼，主要思想就是先用正則將字符串分解為個體單元，然后再計算單元的個數即字符串的長度，代碼如下（只能處理utf-8編碼下的字符串）：

復制代碼代碼如下:

$zhStr = '您好，中國！';
$str = 'Hello,中國！';

// 計算中文字符串長度
function utf8_strlen($string = null) {
// 將字符串分解為單元
preg_match_all("/./us", $string, $match);
// 返回單元個數
return count($match[0]);
}
echo utf8_strlen($zhStr); // 輸出：6
echo utf8_strlen($str); // 輸出：9

utf8_strlen – 獲得UTF8編碼的字符串的長度

復制代碼代碼如下:

/*
* 用于UTF8編碼的程序
* 獲得字符串的長度，一個中文表示3個長度
* itlearner注釋
*/
function utf8_strlen($str) {
$count = 0;
for($i = 0; $i < strlen($str); $i++){
$value = ord($str[$i]);
if($value > 127) {
$count++;
if($value >= 192 && $value <= 223) $i++;
elseif($value >= 224 && $value <= 239) $i = $i + 2;
elseif($value >= 240 && $value <= 247) $i = $i + 3;
else die('Not a UTF-8 compatible string');
}
$count++;
}
return $count;
}