6

我有来自 php.net 站点的以下函数来确定 ASCII 和 UTF-8 字符串中的字节数：

<?php 
/** 
 * 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; 
} 
?>

但是，当我用俄语（例如）尝试这个时По своей природе компьютеры могут работать лишь с числами. И для того, чтобы они могли хранить в памяти буквы или другие символы, каждому такому символу должно быть поставлено в соответствие число.。它似乎没有返回正确的字节数。

switch 语句使用默认条件。任何想法为什么俄罗斯字符不会按预期工作？或者会有更好的选择。

我问这个是因为我需要将 UTF-8 字符串缩短到一定数量的字节。即我只能发送一个最大值。在我的情况下，向 iPhone APNS 发送 169 字节的 JSON 数据（不包括其他数据包数据）。

参考：PHP strlen - 手册（Paolo 评论于 10-Jan-2007 03:58）

4

5 回答 5

5

我问这个是因为我需要将 utf-8 字符串缩短到一定数量的字节。

mb_strcut()正是这样做的，尽管您可能无法从几乎无法理解的文档中分辨出来。

于 2010-03-05T11:51:06.330 回答
2

strlen() 返回字节数。

将多字节字符串缩短到一定数量的字节是一项单独的任务。当你缩短它时，你需要注意不要在多字节序列的中间切断字符串。

您需要处理的另一件事是，当您将字符串放入 json 表示法时，它可能需要更多字节才能将其表示为 json。例如，如果您的字符串包含双引号字符。需要转义，反斜杠字符会加一个字节。还有其他字符也需要转义。关键是，它可以变大。我假设字节限制在总 json 有效负载上，因此您确实需要考虑 json 语法本身，以及 json 将对您的字符串施加的任何转义。

一种未优化的、有点老套的方法是使用 substr() 将字符串截断，比限制多 5 个字节。现在使用 mb_strlen() 获取字符数，使用 mb_substr() 删除最后一个字符。现在将其编码为 json，并通过 strlen() 测量字节。进入一个循环，它使用 mb_substr() 不断切断最后一个字符，编码为 json，然后再次使用 strlen() 测量字节。当字节数可接受时，循环终止。

于 2010-03-05T07:35:48.580 回答
1

在 PHP 5 中，mb_strlen应该返回字符数；并且strlen应该返回字节数。

例如，这部分代码：

$string = 'По своей природе компьютеры могут работать лишь с числами. И для того, чтобы они могли хранить в памяти буквы или другие символы, каждому такому символу должно быть поставлено в соответствие число';
echo mb_strlen($string, 'UTF-8') . '<br />';
echo strlen($string);

应该得到以下输出：

196
359


作为旁注：这是 PHP 6 将改变的事情之一：默认情况下 PHP 6 将使用 Unicode，这意味着strlen在 PHP 6 中应该返回字符数，而不是字节数。

于 2010-03-05T05:27:01.533 回答
1

如果您希望在使用mbstring.func_overload 2 和 UTF-8 字符串时找到多字节字符串的字节长度，则可以使用以下命令：

mb_strlen($utf8_string, 'latin1');
于 2010-03-05T03:04:07.250 回答
0

字节数 <> 字符串长度！

要获取字节数，您可以使用 (php4,5) strlen。要获取 unicode 字符串（utf8 编码）长度，您可以使用 mb_strlen（注意该扩展的函数重载），或者您可以简单地计算所有未设置第 8 位的字节。

对于这个 unicodechar 来说，第 8 位意味着从输入中至少多了一个字节。

于 2010-03-05T13:18:38.897 回答