PHP strlen(): longitud de un string en bytes y caracteres

strlen($string) devuelve la longitud de una cadena en bytes. Para caracteres, que es lo que quieres con texto japonés, letras con tilde y emojis, usa mb_strlen($string). En texto en inglés simple las dos dan el mismo número.

<?php
echo strlen('Hello'), "\n";         // 5 bytes
echo mb_strlen('Hello'), "\n";      // 5 characters

echo strlen('こんにちは'), "\n";     // 15 bytes
echo mb_strlen('こんにちは'), "\n";  // 5 characters

Los espacios, la puntuación y los saltos de línea cuentan. strlen("a b\n") es 4.

Bytes vs caracteres en UTF-8

Las cadenas de PHP son secuencias de bytes, y UTF-8 usa un número distinto de bytes por carácter: 1 para letras y dígitos ASCII, 2 para letras como é o ж, 3 para kana, kanji comunes, caracteres chinos y símbolos como €, y 4 para la mayoría de los emojis y kanji raros como 𠮷. strlen() suma los bytes; mb_strlen() cuenta los caracteres.

<?php
$samples = ['A', 'é', 'ж', 'あ', '漢', '€', '😀'];

foreach ($samples as $char) {
    printf("%s  strlen=%d  mb_strlen=%d\n", $char, strlen($char), mb_strlen($char));
}

$mixed = 'PHPで文字数';
printf("%s  strlen=%d  mb_strlen=%d\n", $mixed, strlen($mixed), mb_strlen($mixed));

Usa strlen() cuando importen los bytes: una columna de base de datos limitada en bytes, el tamaño de un archivo, un protocolo binario. Usa mb_strlen() para todo lo que lee una persona: un contador de caracteres, una regla de "máximo 20 caracteres", recortar texto con mb_substr().

Emojis y caracteres formados por varios puntos de código

mb_strlen() cuenta puntos de código Unicode. Algunas cosas que un lector ve como un solo carácter son varios puntos de código unidos: un emoji de familia, una bandera, un tono de piel, o una letra más una tilde combinada.

<?php
$items = [
    'thumbs up'      => '👍',
    'with skin tone' => '👍🏽',
    'flag of Japan'  => '🇯🇵',
    'family'         => '👨‍👩‍👧',
    'e + accent'     => "e\u{0301}",
];

foreach ($items as $name => $text) {
    printf("%-15s %s  strlen=%2d  mb_strlen=%d\n", $name, $text, strlen($text), mb_strlen($text));
}

Contar lo que un lector ve como caracteres individuales (clústeres de grafemas) necesita grapheme_strlen(), de la extensión intl:

echo grapheme_strlen('👨‍👩‍👧');   // 1
echo grapheme_strlen('🇯🇵');     // 1

Para un contador de caracteres en un formulario en japonés, mb_strlen() suele bastar: cada kana y cada kanji es un único punto de código.

Ancho de visualización con mb_strwidth

En una terminal o en un diseño de ancho fijo, un carácter japonés de ancho completo ocupa dos columnas, mientras que un katakana de medio ancho o una letra latina ocupa una. mb_strwidth() devuelve ese ancho, que es a lo que se suelen referir las reglas japonesas de "全角は2文字".

<?php
foreach (['abc', 'ｱｲｳ', 'アイウ', '日本語', 'PHP入門'] as $s) {
    printf("%s  mb_strlen=%d  mb_strwidth=%d\n", $s, mb_strlen($s), mb_strwidth($s));
}

Comprobar si una cadena está vacía

La prueba más clara es una comparación estricta con ''. strlen($s) === 0 da la misma respuesta. empty($s) no es lo mismo: también devuelve true con la cadena "0", que es una respuesta válida en muchos formularios.

<?php
foreach (['', '0', ' ', 'a'] as $s) {
    printf(
        "%-5s  === '': %-5s  strlen: %d  empty(): %s\n",
        var_export($s, true),
        var_export($s === '', true),
        strlen($s),
        var_export(empty($s), true)
    );
}

Una cadena de espacios no está vacía. Pásala antes por trim() si solo espacios deben contar como nada.

strlen(null) y valores que no son cadenas

strlen() espera una cadena. Pasarle null sigue devolviendo 0, pero desde PHP 8.1 imprime un aviso de obsolescencia:

Deprecated: strlen(): Passing null to parameter #1 ($string) of type string is deprecated in /home/index.php on line 2

Un array lanza TypeError: strlen(): Argument #1 ($string) must be of type string, array given.

Convierte el valor o dale uno por defecto antes, por ejemplo strlen($value ?? ''). Los enteros se convierten en cadenas, así que strlen(12345) es 5. Para contar los elementos de un array, usa count().

Validar la longitud de la entrada del usuario

Una regla típica: un nombre de usuario de 3 a 16 caracteres, después de recortarlo. Usa mb_strlen() para que un nombre japonés se mida en caracteres, no en bytes.

<?php
function checkUsername(string $name): string
{
    $name = trim($name);
    $length = mb_strlen($name);

    if ($length < 3) {
        return "\"$name\" is too short ($length characters, min 3)";
    }
    if ($length > 16) {
        return "\"$name\" is too long ($length characters, max 16)";
    }
    return "\"$name\" is OK ($length characters, " . strlen($name) . ' bytes)';
}

echo checkUsername('ad'), "\n";
echo checkUsername('ada_lovelace'), "\n";
echo checkUsername('やまだたろう'), "\n";
echo checkUsername('a_very_long_username_here'), "\n";

Con strlen() en lugar de mb_strlen(), やまだたろう contaría como 18 y se rechazaría por demasiado largo, aunque tiene seis caracteres.