编写PHP程序检查字符串中的中文字符个数的实例分享

程序员文章站 2023-12-14 09:03:04

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，但不...

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，但不幸没装扩展，那就自己实现一下吧。

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：

php > $str = "你是我的小苹果";
php > echo $str{0};
�

是个乱码，它只是

复制代码代码如下:

你

字的字节之一，也就是说，

复制代码代码如下:

你

这个字符是由超过一个字节组成的，我们这样试试：

php > 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

复制代码代码如下:

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：

1.for循环遍历字节 2.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：

<?php

function mbstrlen($str,$encoding="utf8")
{

  if (($len = strlen($str)) == 0) {
    return 0;
  }

  $encoding = strtolower($encoding);

  if ($encoding == "utf8" or $encoding == "utf-8") {
    $step = 3;
  } elseif ($encoding == "gbk" or $encoding == "gb2312") {
    $step = 2;
  } else {
    return false;
  }

  $count = 0;
  for ($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;
}

echo mbstrlen(iconv("utf-8","gbk","你是我的小苹果"),"gbk");
echo mbstrlen("你是我的小苹果");

编写PHP程序检查字符串中的中文字符个数的实例分享