strlen() w PHP: długość stringa w bajtach i znakach

strlen($string) zwraca długość stringa w bajtach. Aby dostać liczbę znaków, czego potrzebujesz przy tekście japońskim, literach z akcentami, polskich znakach i emoji, użyj mb_strlen($string). Dla zwykłego tekstu angielskiego obie dają tę samą liczbę.

<?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

Liczą się spacje, interpunkcja i znaki nowej linii. strlen("a b\n") to 4.

Bajty a znaki w UTF-8

Stringi w PHP to ciągi bajtów, a UTF-8 używa różnej liczby bajtów na znak: 1 dla liter i cyfr ASCII, 2 dla liter takich jak é czy ж (i polskich liter, takich jak ą czy ł), 3 dla kana, popularnych kanji, znaków chińskich i symboli takich jak €, a 4 dla większości emoji i rzadkich kanji takich jak 𠮷. strlen() sumuje bajty; mb_strlen() liczy znaki.

<?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));

Używaj strlen(), gdy liczą się bajty: kolumna w bazie danych ograniczona w bajtach, rozmiar pliku, protokół binarny. Używaj mb_strlen() dla wszystkiego, co czyta człowiek: licznik znaków, zasada „maks. 20 znaków”, cięcie tekstu przez mb_substr().

Emoji i znaki złożone z kilku punktów kodowych

mb_strlen() liczy punkty kodowe Unicode. Niektóre rzeczy, które czytelnik widzi jako jeden znak, to kilka połączonych punktów kodowych: emoji rodziny, flaga, odcień skóry albo litera ze złożonym akcentem.

<?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));
}

Liczenie tego, co czytelnik widzi jako pojedyncze znaki (klastry grafemów), wymaga grapheme_strlen() z rozszerzenia intl:

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

Do licznika znaków w japońskim formularzu zwykle wystarcza mb_strlen(): każde kana i kanji to jeden punkt kodowy.

Szerokość wyświetlania przez mb_strwidth

W terminalu lub w układzie o stałej szerokości japoński znak pełnej szerokości zajmuje dwie kolumny, a katakana połowy szerokości czy litera łacińska jedną. mb_strwidth() zwraca tę szerokość, o którą zwykle chodzi w japońskich zasadach typu „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));
}

Sprawdzanie, czy string jest pusty

Najczytelniejszy test to ścisłe porównanie z ''. strlen($s) === 0 daje tę samą odpowiedź. empty($s) to nie to samo: zwraca true także dla stringa "0", który w wielu formularzach jest poprawną odpowiedzią.

<?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)
    );
}

String ze spacji nie jest pusty. Najpierw przepuść go przez trim(), jeśli same spacje mają liczyć się jako nic.

strlen(null) i wartości niebędące stringami

strlen() oczekuje stringa. Przekazanie null nadal zwraca 0, ale od PHP 8.1 wypisuje komunikat o przestarzałym użyciu:

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

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

Najpierw rzutuj wartość albo podaj wartość domyślną, na przykład strlen($value ?? ''). Liczby całkowite są zamieniane na stringi, więc strlen(12345) to 5. Do liczenia elementów tablicy użyj count().

Walidacja długości danych od użytkownika

Typowa zasada: nazwa użytkownika od 3 do 16 znaków, po przycięciu. Użyj mb_strlen(), żeby japońskie imię było mierzone w znakach, a nie bajtach.

<?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";

Z strlen() zamiast mb_strlen() やまだたろう liczyłoby się jako 18 i zostałoby odrzucone jako za długie, choć ma sześć znaków.