是否应该有类似“bytelen”的东西？ （与“strlen”一起）？

Question

在我看来，“strlen”函数应该只返回字符串中的字符数。没有别的了。确实如此，无论是计算 ASCII 字符还是 Unicode 字符。字符就是一个字符，指向 ASCII 表或 UTF-8 表上的给定位置。而已。

如果您出于某种原因想知道字符串的字节长度，那么您应该使用不同的函数。我是 PHP 脚本编写的新手，所以我还没有找到该功能。 （应该类似于“bytelen()”？）

Answer 1

mb_strlen() 的作用你在追赶。

Answer 2

是的，这将是最合乎逻辑的设计。然而，PHP 从一开始就没有计划支持多字节字符集。相反，多年来它一直在以一种混乱的方式发展。您已将您的问题标记为 PHP 4，但 PHP 5 还没有像样的 Unicode 支持（而且我认为它在不久的将来不会改变）。

无论如何，有几个原因：

• PHP 不是由企业规则控制的集中设计的公司拥有的闭源商业产品。

• PHP 于 1995 年作为个人项目发布，由某人在其静态主页中需要一些功能：当时不需要 Unicode 支持。

• 如果您修改像 strlen() 这样的核心函数，您​​必须以不会破坏以前功能的方式进行操作。这并不容易。编写新的单独函数要容易得多。

更新

抱歉，我忘记了你问题的第二部分。如果您需要处理 Unicode 字符串，则必须使用一组单独的函数：

• http ://es.php.net/manual/en/book.mbstring.php

您可能还会发现这些章节很有趣：

• http://es.php.net/manual/en/book.iconv.php
• http://es.php.net/manual/en/book.unicode.php

请注意每个版本所需的 PHP 版本您计划使用的功能； PHP 4 已经很老了。

Answer 3

如果我没有严重误解你的话，那么 strlen() 你的“bytelen()”，正如其他回复中提到的那样。

strlen()本身不支持utf-8或其他多字节字符集；如果你想要一个合适的 strlen()，你需要 mb_strlen()。

Pentium10 的函数 strBytes($str)，从浏览它（未测试）来看，如果您知道您的编码是 utf-8 并且您坚持使用超低版本，那么它似乎是一个不错的选择由于某种原因PHP4。

（我确实建议您查看 Álvaro G. Vicario 的帖子，了解此行为背后的原因。PHP6 将提供适当的原生 UTF-8 支持。）

Answer 4

/** 
     * Count the number of bytes of a given string. 
     * Input string is expected to be ASCII or UTF-8 encoded. 
     * Warning: the function doesn't return the number of chars 
     * in the string, but the number of bytes. 
     * 
     * @param string $str The string to compute number of bytes 
     * 
     * @return The length in bytes of the given string. 
     */ 
    function strBytes($str) 
    { 
      // STRINGS ARE EXPECTED TO BE IN ASCII OR UTF-8 FORMAT 

      // Number of characters in string 
      $strlen_var = strlen($str); 

      // string bytes counter 
      $d = 0; 

     /* 
      * Iterate over every character in the string, 
      * escaping with a slash or encoding to UTF-8 where necessary 
      */ 
      for ($c = 0; $c < $strlen_var; ++$c) { 

          $ord_var_c = ord($str{$d}); 

          switch (true) { 
              case (($ord_var_c >= 0x20) && ($ord_var_c <= 0x7F)): 
                  // characters U-00000000 - U-0000007F (same as ASCII) 
                  $d++; 
                  break; 

              case (($ord_var_c & 0xE0) == 0xC0): 
                  // characters U-00000080 - U-000007FF, mask 110XXXXX 
                  // see http://www.cl.cam.ac.uk/~mgk25/unicode.html#utf-8 
                  $d+=2; 
                  break; 

              case (($ord_var_c & 0xF0) == 0xE0): 
                  // characters U-00000800 - U-0000FFFF, mask 1110XXXX 
                  // see http://www.cl.cam.ac.uk/~mgk25/unicode.html#utf-8 
                  $d+=3; 
                  break; 

              case (($ord_var_c & 0xF8) == 0xF0): 
                  // characters U-00010000 - U-001FFFFF, mask 11110XXX 
                  // see http://www.cl.cam.ac.uk/~mgk25/unicode.html#utf-8 
                  $d+=4; 
                  break; 

              case (($ord_var_c & 0xFC) == 0xF8): 
                  // characters U-00200000 - U-03FFFFFF, mask 111110XX 
                  // see http://www.cl.cam.ac.uk/~mgk25/unicode.html#utf-8 
                  $d+=5; 
                  break; 

              case (($ord_var_c & 0xFE) == 0xFC): 
                  // characters U-04000000 - U-7FFFFFFF, mask 1111110X 
                  // see http://www.cl.cam.ac.uk/~mgk25/unicode.html#utf-8 
                  $d+=6; 
                  break; 
              default: 
                $d++;    
          } 
      } 

      return $d; 
    }