PHP strlen(): lunghezza di una stringa in byte e caratteri

strlen($string) restituisce la lunghezza di una stringa in byte. Per i caratteri, che è ciò che vuoi per il testo giapponese, le lettere accentate e le emoji, usa mb_strlen($string). Per un semplice testo inglese le due danno lo stesso numero.

<?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

Spazi, punteggiatura e a capo contano tutti. strlen("a b\n") vale 4.

Byte e caratteri in UTF-8

Le stringhe PHP sono sequenze di byte, e UTF-8 usa un numero diverso di byte per carattere: 1 per le lettere e le cifre ASCII, 2 per lettere come é o ж, 3 per kana, kanji comuni, caratteri cinesi e simboli come €, e 4 per la maggior parte delle emoji e i kanji rari come 𠮷. strlen() somma i byte; mb_strlen() conta i caratteri.

<?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() quando contano i byte: una colonna del database limitata in byte, la dimensione di un file, un protocollo binario. Usa mb_strlen() per tutto ciò che legge una persona: un contatore di caratteri, una regola "massimo 20 caratteri", il taglio di un testo con mb_substr().

Emoji e caratteri fatti di più code point

mb_strlen() conta i code point Unicode. Alcune cose che chi legge vede come un solo carattere sono più code point uniti: un'emoji di famiglia, una bandiera, un tono della pelle, oppure una lettera più un accento combinante.

<?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));
}

Contare ciò che chi legge vede come caratteri singoli (cluster di grafemi) richiede grapheme_strlen() dell'estensione intl:

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

Per un contatore di caratteri in un form giapponese, mb_strlen() di solito basta: ogni kana e kanji è un singolo code point.

Larghezza di visualizzazione con mb_strwidth

In un terminale o in un layout a larghezza fissa, un carattere giapponese a larghezza piena occupa due colonne mentre un katakana a mezza larghezza o una lettera latina ne occupa una. mb_strwidth() restituisce quella larghezza, che è ciò che intendono di solito le regole giapponesi per cui un carattere a larghezza piena vale due.

<?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));
}

Verificare se una stringa è vuota

Il test più chiaro è un confronto stretto con ''. strlen($s) === 0 dà la stessa risposta. empty($s) non è la stessa cosa: restituisce true anche per la stringa "0", che in molti form è una risposta valida.

<?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 stringa di spazi non è vuota. Passala prima a trim() se i soli spazi devono contare come niente.

strlen(null) e valori che non sono stringhe

strlen() si aspetta una stringa. Passare null restituisce ancora 0, ma da PHP 8.1 stampa un avviso di deprecazione:

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

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

Converti il valore o dagli un default prima, per esempio strlen($value ?? ''). Gli interi vengono convertiti in stringhe, quindi strlen(12345) vale 5. Per contare gli elementi di un array, usa count().

Validare la lunghezza dell'input dell'utente

Una regola tipica: un nome utente da 3 a 16 caratteri, dopo il trim. Usa mb_strlen() così un nome giapponese viene misurato in caratteri, non in byte.

<?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() al posto di mb_strlen(), やまだたろう conterebbe 18 e verrebbe rifiutato come troppo lungo, anche se sono sei caratteri.