Измерение количества символов в PHP: методы и нюансы

Раздел: Основы PHP -> Работа со строками в PHP

Основные методы определения длины строки

Наиболее универсальное решение для многобайтовых строк (UTF-8) - функция mb_strlen.

Для точного подсчёта количества символов с учётом кодировки применяется mb_strlen. В отличие от strlen, которая считает байты, mb_strlen возвращает число символов. Это критично для строк с кириллицей, иероглифами или эмодзи.

$text = "Привет, мир!";
echo mb_strlen($text, 'UTF-8'); // 12

Php заменить слово (замена слова в строке php)

В примере строка содержит 12 символов. strlen вернула бы 21 (каждый кириллический символ занимает 2 байта).

Проблема: Если не указать кодировку, mb_strlen использует внутреннюю кодировку (устанавливается через mb_internal_encoding). По умолчанию она может быть не UTF-8, что приводит к некорректному результату или предупреждению.

Решение: Всегда явно указывать кодировку вторым параметром или задавать внутреннюю кодировку в начале скрипта: mb_internal_encoding('UTF-8');

Как узнать количество байт в строке?

Для получения размера строки в байтах применяется strlen. Она работает быстро, так как возвращает количество октетов. Подходит для однобайтовых кодировок (ASCII, ISO-8859-1) или когда требуется узнать объём данных.

$str = "Hello";
echo strlen($str); // 5
$str2 = "Привет";
echo strlen($str2); // 12 (в UTF-8 каждый символ 2 байта)

Php определить кодировку (определение кодировки строки в php (mb_detect_encoding))

Типичная ошибка: путать байты с символами. Если строка содержит многобайтовые символы, результат strlen не соответствует количеству символов.

Как правильно посчитать символы в UTF-8 без расширения mbstring?

Если mbstring недоступно, альтернативой служит iconv_strlen. Она также поддерживает кодировки.

$text = "Привет, мир!";
echo iconv_strlen($text, 'UTF-8'); // 12

Php размер строки (определение размера строки в php)

iconv_strlen реализована через библиотеку iconv. В некоторых окружениях она медленнее mb_strlen, но является рабочей заменой.

Проблема: iconv может не поддерживать некоторые кодировки или быть отключена в конфигурации PHP.

Как посчитать количество графем (видимых символов) в строке с эмодзи?

Для правильного подсчёта пользовательских символов (например, эмодзи, состоящих из нескольких кодовых точек) применяется grapheme_strlen из расширения intl. Она учитывает графемные кластеры.

$emoji = "\u{1F468}\u{200D}\u{1F469}\u{200D}\u{1F467}\u{200D}\u{1F466}"; // ?‍?‍?‍?
echo grapheme_strlen($emoji); // 1 (одна семья, хотя состоит из 7 кодовых точек)
echo strlen($emoji); // 25 (байты)
echo mb_strlen($emoji, 'UTF-8'); // 7 (кодовые точки)

Php первое слово (первое слово в строке php)

Проблема: grapheme_strlen требует установки расширения intl (PECL intl или встроенного). На некоторых хостингах оно может отсутствовать.

Как определить длину строки в определённой кодировке (например, Windows-1251)?

mb_strlen и iconv_strlen позволяют указать целевую кодировку. Также можно конвертировать строку в однобайтовую кодировку и применить strlen.

$text_1251 = iconv('UTF-8', 'Windows-1251', "Привет");
echo strlen($text_1251); // 6 (Windows-1251 однобайтовая)

Однако проще использовать mb_strlen с явным указанием кодировки.

Расширенные примеры и нераспространённые случаи

Сравнение strlen и mb_strlen для смешанных строк

Пример

$mixed = "Hello Привет ?";
echo "strlen: " . strlen($mixed); // 23 (5 + 1 + 12 + 1 + 4)
echo "\nmb_strlen: " . mb_strlen($mixed, 'UTF-8'); // 14 (5 + 1 + 6 + 1 + 1)

strlen: 23
mb_strlen: 14

Влияние внутренней кодировки на mb_strlen

Пример

mb_internal_encoding('UTF-8');
echo mb_strlen("Привет"); // 6
mb_internal_encoding('ISO-8859-1');
echo mb_strlen("Привет"); // Warning: некорректный результат, так как кириллица не входит в ISO-8859-1

6
Warning: mb_strlen(): Illegal character encoding

Рекомендуется всегда явно указывать кодировку.

Использование grapheme_strlen для сложных эмодзи

Пример

$family = "\u{1F468}\u{200D}\u{1F469}\u{200D}\u{1F467}\u{200D}\u{1F466}"; // ?‍?‍?‍?
echo "grapheme_strlen: " . grapheme_strlen($family) . "\n";
echo "mb_strlen: " . mb_strlen($family, 'UTF-8') . "\n";
echo "strlen: " . strlen($family) . "\n";

grapheme_strlen: 1
mb_strlen: 7
strlen: 25

grapheme_strlen правильно определяет один видимый символ.

Определение длины строки в байтах с помощью ord и pack (низкоуровневый подход)

Пример

$str = "A";
echo ord($str); // 65 (первый байт)
// Для многобайтовой строки можно перебирать байты, но это неэффективно.

Этот метод используется редко, но демонстрирует внутреннее представление.

Обработка пустых строк и null

Пример

$empty = "";
echo strlen($empty); // 0
$null = null;
echo strlen($null); // Warning: strlen() expects parameter 1 to be string, null given
// Решение: приведение к строке
echo strlen((string)$null); // 0

0
Warning: ...
0

Измерение длины строки после удаления HTML-тегов

Пример

$html = "Привет";
$plain = strip_tags($html);
echo mb_strlen($plain, 'UTF-8'); // 6

Производительность mb_strlen и iconv_strlen

Пример

$str = str_repeat("Привет", 1000);
$start = microtime(true);
for ($i=0; $i<10000; $i++) mb_strlen($str, 'UTF-8');
echo "mb_strlen: " . (microtime(true)-$start) . "\n";
$start = microtime(true);
for ($i=0; $i<10000; $i++) iconv_strlen($str, 'UTF-8');
echo "iconv_strlen: " . (microtime(true)-$start) . "\n";

mb_strlen: 0.123456
iconv_strlen: 0.234567 (результат зависит от окружения)

Обычно mb_strlen быстрее, но это не всегда критично.

Работа со строкой, содержащей суррогатные пары (эмодзи)

Пример

$emoji_single = "?"; // U+1F600
echo "strlen: " . strlen($emoji_single) . "\n"; // 4 байта
echo "mb_strlen: " . mb_strlen($emoji_single, 'UTF-8') . "\n"; // 1 символ
echo "grapheme_strlen: " . grapheme_strlen($emoji_single) . "\n"; // 1 графема

strlen: 4
mb_strlen: 1
grapheme_strlen: 1

Определение размера строки в PHP - comments

Php размер строки (php)