Unicode编码中字符串的长度不同。

Question

以下字符串的长度为什么不同，尽管字符串中的字符数是相同的？

echo strlen("馐 馑 馒 馓 馔 馕 首 馗 馘")."<BR>";
echo strlen("Ɛ Ƒ ƒ Ɠ Ɣ ƕ Ɩ Ɨ Ƙ")."<BR>";

输出

35
26

- Imran Omar Bukhsh

---

@stereofrog 例如字母'a'怎么样？当我们用strlen计算它的Unicode值时，得到的结果是1。 - Imran Omar Bukhsh

这是我的操作方式，例如：echo mb_strlen("αβγδε",mb_detect_encoding("αβγδε")); 它输出5。 - Melsi

Answer 1

第一批字符每个占用三个字节，因为它们在接近3.9万的字符列表底部，而第二批只有每个字符占两个字节，它们是在约400左右的位置。（每个字符所需的字节数/八位字节单位在UTF-8维基百科文章中有讨论。）

strlen函数计算字符串占用的字节数，这在Unicode编码下给出了奇怪的结果。

- Niet the Dark Absol

---

你能进一步解释一下它们是如何取三个字节和两个字节的吗？ - Imran Omar Bukhsh

我不是Unicode工作原理的专家，但基本上每个字符都是一个可变长度的字节，每个字节的最高有效位告诉读者长度或其他信息。当我需要了解时，我只是在谷歌上搜索了Unicode。 - Niet the Dark Absol

例如字母'a'的情况怎么样？当我们用strlen函数获取它的Unicode值时，结果为1。 - Imran Omar Bukhsh

a 在位置 129，二进制表示为 01000001，因此占用一个字节。 é 在位置 233，二进制表示为 11101001，但是在 UTF-8 中最后一位是“保留位”，因此它被编码为 11000011 10101001，占用两个字节（这就是为什么有时会看到 é 被替换为 é，因为这两个字符分别是这两个字节的 ASCII 字符）。我不记得每个位的确切含义或编码方法，但那就是大致的想法。 - Niet the Dark Absol

Answer 2

我不是PHP专家，但似乎strlen函数计算的是字节数...可以使用mb_strlen函数来计算字符数... 编辑 - 关于多字节编码的详细信息，请参见http://en.wikipedia.org/wiki/Variable-width_encoding，特别是UTF8，请参见http://en.wikipedia.org/wiki/UTF-8。

- Yahia

Answer 3

看起来它正在计算使用的编码中的字节数。例如，第二个字符串每个非空格字符占用两个字节，而第一个字符串每个非空格字符占用三个字节。我会预期：

echo strlen("A B C D E F G H I")

将17以每个ASCII字符一个字节的方式打印出来。

我猜测这里使用的是UTF-8编码，这与不同宽度的表示方式相符。

- Jon Skeet

Answer 4

使用mb_strlen，它会计算提供的编码中的字符数，而不是像strlen一样计算字节数。

- Mircea Soaica

Answer 5

根据php.net/strlen上的这篇文章，PHP将传递给strlen函数的所有字符串都解释为ASCII码。

- Rusty Fausak