PHP strlen(): длина строки в байтах и символах

strlen($string) возвращает длину строки в байтах. Для символов, а именно они нужны для кириллицы, японского текста, букв с диакритикой и эмодзи, используйте mb_strlen($string). Для обычного английского текста обе дают одно и то же число.

<?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

Пробелы, знаки препинания и переносы строк тоже считаются. strlen("a b\n") равно 4.

Байты и символы в UTF-8

Строки PHP это последовательности байтов, а UTF-8 тратит на символ разное число байтов: 1 для ASCII-букв и цифр, 2 для букв вроде é или ж, 3 для каны, распространённых иероглифов, китайских символов и знаков вроде € и 4 для большинства эмодзи и редких иероглифов вроде 𠮷. strlen() складывает байты; mb_strlen() считает символы.

<?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));

Используйте strlen(), когда важны байты: столбец базы данных с ограничением в байтах, размер файла, двоичный протокол. Используйте mb_strlen() для всего, что читает человек: счётчик символов, правило "не больше 20 символов", обрезка текста через mb_substr().

Эмодзи и символы из нескольких кодовых точек

mb_strlen() считает кодовые точки Unicode. Некоторые вещи, которые читатель видит как один символ, состоят из нескольких соединённых кодовых точек: эмодзи семьи, флаг, оттенок кожи или буква плюс комбинируемый знак ударения.

<?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));
}

Чтобы считать то, что читатель видит как отдельные символы (графемные кластеры), нужна grapheme_strlen() из расширения intl:

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

Для счётчика символов в форме с японским или русским текстом обычно хватает mb_strlen(): каждая буква кириллицы, кана и иероглиф это одна кодовая точка.

Ширина отображения через mb_strwidth

В терминале или в вёрстке с фиксированной шириной полноширинный японский символ занимает две колонки, а полуширинная катакана или латинская буква одну. mb_strwidth() возвращает эту ширину, и именно её обычно подразумевают японские правила вида "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));
}

Проверка, пуста ли строка

Самая понятная проверка это строгое сравнение с ''. strlen($s) === 0 даёт тот же ответ. empty($s) это не то же самое: она возвращает true и для строки "0", которая во многих формах является допустимым ответом.

<?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)
    );
}

Строка из пробелов не пуста. Сначала пропустите её через trim(), если одни пробелы должны считаться пустым значением.

strlen(null) и не-строки

strlen() ожидает строку. Передача null по-прежнему возвращает 0, но начиная с PHP 8.1 печатает уведомление об устаревании:

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

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

Сначала приведите значение или задайте значение по умолчанию, например strlen($value ?? ''). Целые числа приводятся к строкам, поэтому strlen(12345) равно 5. Чтобы посчитать элементы массива, используйте count().

Проверка длины пользовательского ввода

Типичное правило: имя пользователя от 3 до 16 символов после обрезки пробелов. Используйте mb_strlen(), чтобы японское или русское имя измерялось в символах, а не в байтах.

<?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";

Если поставить strlen() вместо mb_strlen(), やまだたろう посчиталось бы как 18 и было бы отклонено как слишком длинное, хотя в нём шесть символов.