PHP strlen(): tamanho da string em bytes e caracteres

strlen($string) retorna o tamanho de uma string em bytes. Para caracteres, que é o que você quer para texto japonês, letras acentuadas e emoji, use mb_strlen($string). Para texto simples em inglês, os dois dão o mesmo 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

Espaços, pontuação e quebras de linha contam. strlen("a b\n") é 4.

Bytes e caracteres em UTF-8

Strings PHP são sequências de bytes, e o UTF-8 usa um número diferente de bytes por caractere: 1 para letras e dígitos ASCII, 2 para letras como é ou ж, 3 para kana, kanji comuns, caracteres chineses e símbolos como €, e 4 para a maioria dos emoji e kanji raros como 𠮷. O strlen() soma os bytes; o mb_strlen() conta os 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));

Use strlen() quando os bytes importam: uma coluna do banco limitada em bytes, o tamanho de um arquivo, um protocolo binário. Use mb_strlen() para tudo o que uma pessoa lê: um contador de caracteres, uma regra de "no máximo 20 caracteres", cortar texto com mb_substr().

Emoji e caracteres formados por vários code points

O mb_strlen() conta code points Unicode. Algumas coisas que um leitor vê como um caractere são vários code points juntos: um emoji de família, uma bandeira, um tom de pele, ou uma letra mais um acento combinado.

<?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 o que um leitor vê como caracteres únicos (grapheme clusters) exige o grapheme_strlen() da extensão intl:

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

Para um contador de caracteres num formulário em japonês, o mb_strlen() normalmente basta: cada kana e cada kanji é um único code point.

Largura de exibição com mb_strwidth

Num terminal ou num layout de largura fixa, um caractere japonês de largura total ocupa duas colunas, enquanto um katakana de meia largura ou uma letra latina ocupa uma. O mb_strwidth() retorna essa largura, que é o que as regras japonesas do tipo "全角は2文字" normalmente querem dizer.

<?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));
}

Verificar se uma string está vazia

O teste mais claro é uma comparação estrita com ''. strlen($s) === 0 dá a mesma resposta. empty($s) não é a mesma coisa: ele também retorna true para a string "0", que é uma resposta válida em muitos formulários.

<?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)
    );
}

Uma string de espaços não é vazia. Passe-a antes pelo trim() se só espaços devem contar como nada.

strlen(null) e valores que não são string

O strlen() espera uma string. Passar null ainda retorna 0, mas desde o PHP 8.1 imprime um aviso de depreciação:

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

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

Faça um cast ou dê um padrão ao valor antes, por exemplo strlen($value ?? ''). Inteiros são convertidos em strings, então strlen(12345) é 5. Para contar elementos de um array, use count().

Validar o tamanho de uma entrada do usuário

Uma regra típica: um nome de usuário de 3 a 16 caracteres, depois do trim. Use mb_strlen() para que um nome japonês seja medido em caracteres, não em 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";

Com strlen() no lugar de mb_strlen(), やまだたろう contaria como 18 e seria rejeitado como longo demais, mesmo tendo seis caracteres.