PHP内置函数分析之strlen 与 mb_strlen

 在PHP里 有两个计算 字符串个数的函数

一个是 strlen,一个是mb_strlen;
先来看看帮助手册的定义

• strlen

strlen — 获取字符串长度
int strlen ( string $string )
返回给定的字符串 string 的长度。

• mb_strlen

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

返回给定的字符串 string 的长度。

encoding参数为字符编码。如果省略，则使用内部字符编码。

 这么看 除了mb_strlen可以传递一个 字符编码好像没有其他区别

写一个PHP程序来看看

 

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

 

输出结果
14
6
很明显 strlen对于中文来讲,每个汉字占三个字节,$a的字节数就是14,说明 strlen计算的是字符串所占的字节数
在mb_strlen计算时,如果encoding设置为utf8,那么,中文将占一个字节 那么$a就是6

需要注意的是 mb_strlen并不是PHP内置函数,需要修改php.ini,开启 php_mbstring
好了..
我们下面就深入到PHP内核源码去看看两个函数的不同.
先看mb_strlen的定义

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 是一个结构体

 

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

看定义就知道,这两个保存了当前字符串的语言,编码,保存的值和长度
mbfl_string_init(&string);
这个函数是初始化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;
}
这里接收传递过来的两个参数,也就是前面看到的 string和encoding,
enc_name保存编码,enc_name_len保存编码名字的长度
string.no_language = MBSTRG(language);
展开后
#define MBSTRG(v) (mbstring_globals.v)
这里将mbstring的language赋给string的no_language;

 

if (enc_name == NULL) {//如果没有手动设置编码,那么就使用PHP内置的编码 这个时候就与strlen相同
         string.no_encoding = MBSTRG(current_internal_encoding);
 }else {
               //检查是否是有效的编码
               string.no_encoding = mbfl_name2no_encoding(enc_name);
               //如果传递来的编码无效 抛出异常
                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);//计算字符串的长度

原来这个函数里只是验证编码
真正计算长度的函数是mbfl_strlen

 

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

        len = 0;
//下面是几种不同的
        if (encoding->flag & MBFL_ENCTYPE_SBCS) {//是单字节字符集 直接返回
                len = string->len;
        } else if (encoding->flag & (MBFL_ENCTYPE_WCS2BE | MBFL_ENCTYPE_WCS2LE)) { //宽字节每个字占2位
                len = string->len/2;
        } else if (encoding->flag & (MBFL_ENCTYPE_WCS4BE | MBFL_ENCTYPE_WCS4LE)) {//宽字节每个字占4位
                len = string->len/4;
        } else if (encoding->mblen_table != NULL) {   //mblen_table是做什么的没搞清楚,望赐教
                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 { //其他编码 转换成mbfl_no_encoding_wchar再计算
                /* 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就是根据encoding不同的编码,来分别计算..好像可以计算世界大部分不同的编码格式
相比 mb_strlen ,strlen就简单的多多的多的多了
开始 没有找到 strlen定义的地方,
它在 Zend/zend_builtin_functions.c里定义的

 

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);
}

很简单 只是获取长度而已…

这下 他们俩的区别就很清楚了…

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