PHP內置函數分析之strlen 與 mb_strlen

 在PHP裏 有兩個計算 字符串個數的函數

一個是 strlen,一個是mb_strlen;
先來看看幫助手冊的定義

• strlen

strlen — 獲取字符串長度
int strlen ( string $string )
返回給定的字符串 string 的長度。

• mb_strlen

int mb_strlen ( string $str [, string $encoding ] )

返回給定的字符串 string 的長度。

encoding參數爲字符編碼。若是省略，則使用內部字符編碼。

 這麼看 除了mb_strlen能夠傳遞一個 字符編碼好像沒有其餘區別

寫一個PHP程序來看看

 

$a="我是s斯t人";
echo strlen($a);
echo "<br>";
echo mb_strlen($a,'utf8');

 

輸出結果
14
6
很明顯 strlen對於中文來說,每一個漢字佔三個字節,$a的字節數就是14,說明 strlen計算的是字符串所佔的字節數
在mb_strlen計算時,若是encoding設置爲utf8,那麼,中文將佔一個字節 那麼$a就是6

須要注意的是 mb_strlen並非PHP內置函數,須要修改php.ini,開啓 php_mbstring
好了..
咱們下面就深刻到PHP內核源碼去看看兩個函數的不一樣.
先看mb_strlen的定義

PHP_FUNCTION(mb_strlen)
{
        int n;
        mbfl_string string;
        char *enc_name = NULL;        int enc_name_len;

        mbfl_string_init(&string);
        if (zend_parse_parameters(ZEND_NUM_ARGS() TSRMLS_CC, "s|s", (char **)&string.val, &string.len, &enc_name, &enc_name_len) == FAILURE) {
                RETURN_FALSE;
        }

        string.no_language = MBSTRG(language);
        if (enc_name == NULL) {                string.no_encoding = MBSTRG(current_internal_encoding);
        } else {
                string.no_encoding = mbfl_name2no_encoding(enc_name);
                if (string.no_encoding == mbfl_no_encoding_invalid) {
                        php_error_docref(NULL TSRMLS_CC, E_WARNING, "Unknown encoding \"%s\"", enc_name);                        RETURN_FALSE;
                }
        }

        n = mbfl_strlen(&string);
        if (n >= 0) {
                RETVAL_LONG(n);
        } else {
                RETVAL_FALSE;
        }
}

 

mbfl_string 是一個結構體

 

typedef struct _mbfl_string {
        enum mbfl_no_language no_language;
        enum mbfl_no_encoding no_encoding;
        unsigned char *val;        unsigned int len;
} mbfl_string;

看定義就知道,這兩個保存了當前字符串的語言,編碼,保存的值和長度
mbfl_string_init(&string);
這個函數是初始化string;
if (zend_parse_parameters(ZEND_NUM_ARGS() TSRMLS_CC, 「s|s」, (char **)&string.val, &string.len, &enc_name, &enc_name_len) == FAILURE) {
RETURN_FALSE;
}
這裏接收傳遞過來的兩個參數,也就是前面看到的 string和encoding,
enc_name保存編碼,enc_name_len保存編碼名字的長度
string.no_language = MBSTRG(language);
展開後
#define MBSTRG(v) (mbstring_globals.v)
這裏將mbstring的language賦給string的no_language;

 

if (enc_name == NULL) {//若是沒有手動設置編碼,那麼就使用PHP內置的編碼 這個時候就與strlen相同
         string.no_encoding = MBSTRG(current_internal_encoding);
 }else {
               //檢查是不是有效的編碼
               string.no_encoding = mbfl_name2no_encoding(enc_name);
               //若是傳遞來的編碼無效 拋出異常
                if (string.no_encoding == mbfl_no_encoding_invalid) {
                        php_error_docref(NULL TSRMLS_CC, E_WARNING, "Unknown encoding \"%s\"", enc_name);
                        RETURN_FALSE;
                }
        }
n = mbfl_strlen(&string);//計算字符串的長度

原來這個函數裏只是驗證編碼
真正計算長度的函數是mbfl_strlen

 

int  mbfl_strlen(mbfl_string *string)
{
        int len, n, m, k;
        unsigned char *p;
        const unsigned char *mbtab;
        const mbfl_encoding *encoding;
       //驗證編碼是否有效
        encoding = mbfl_no2encoding(string->no_encoding);
        if (encoding == NULL || string == NULL) {
                return -1;
        }

        len = 0;
//下面是幾種不一樣的
        if (encoding->flag & MBFL_ENCTYPE_SBCS) {//是單字節字符集 直接返回
                len = string->len;
        } else if (encoding->flag & (MBFL_ENCTYPE_WCS2BE | MBFL_ENCTYPE_WCS2LE)) { //寬字節每一個字佔2位
                len = string->len/2;
        } else if (encoding->flag & (MBFL_ENCTYPE_WCS4BE | MBFL_ENCTYPE_WCS4LE)) {//寬字節每一個字佔4位
                len = string->len/4;
        } else if (encoding->mblen_table != NULL) {   //mblen_table是作什麼的沒搞清楚,望賜教
                mbtab = encoding->mblen_table;
                n = 0;
                p = string->val;
                k = string->len;
                /* count */
                if (p != NULL) {
                        while (n < k) {
                                m = mbtab[*p];
                                n += m;
                                p += m;
                                len++;
                        };
                }
        } else { //其餘編碼 轉換成mbfl_no_encoding_wchar再計算
                /* wchar filter */
                mbfl_convert_filter *filter = mbfl_convert_filter_new(
                  string->no_encoding,
                  mbfl_no_encoding_wchar,
                  filter_count_output, 0, &len);
                if (filter == NULL) {
                        return -1;
                }
                /* count */
                n = string->len;
                p = string->val;
                if (p != NULL) {
                        while (n > 0) {
                                (*filter->filter_function)(*p++, filter);
                                n--;
                        }
                }
                mbfl_convert_filter_delete(filter);
        }

        return len;
}

mb_strlen就是根據encoding不一樣的編碼,來分別計算..好像能夠計算世界大部分不一樣的編碼格式
相比 mb_strlen ,strlen就簡單的多多的多的多了
開始 沒有找到 strlen定義的地方,
它在 Zend/zend_builtin_functions.c裏定義的

 

ZEND_FUNCTION(strlen)
{
        char *s1;
        int s1_len;

        if (zend_parse_parameters(ZEND_NUM_ARGS() TSRMLS_CC, "s", &s1, &s1_len) == FAILURE) {
                return;
        }

        RETVAL_LONG(s1_len);
}

很簡單 只是獲取長度而已…

這下 他們倆的區別就很清楚了…

原文出處: http://www.imsiren.com/archives/196