本文目录一览：
- 1、PHP字符串长度计算 - strlen()函数使用介绍
- 2、php各种编码集详解和在什么情况下进行使用
- 3、如何用 PHP 搞定中文字符编码问题
- 4、什么是PHP编码？
- 5、PHP如何获取中文字符串长度 utf8
PHP字符串长度计算 - strlen()函数使用介绍
strlen()函数和mb_strlen()函数
在PHP中，函数strlen()返回字符串的长度。函数原型如下：
复制代码
代码如下:
int
strlen(string
string_input);
参数string_input为要处理的字符串。
strlen()函数返回字符串所占的字节长度，一个英文字母、数字、各种符号均占一个字节，它们的长度均为1。一个中午字符占两个字节，所以一个中午字符的长度是2。例如
复制代码
代码如下:
?php
echo
strlen("");
echo
strlen("三知开发网");
?
“echo
strlen("");”的运行结果：15
“echo
strlen("三知开发网");”的运行结果：15
这里有一个疑问，一个中文字符不是占2个字节吗？“三知开发网”，明明是五个汉字，运行的结果怎么会是15？
原因出在这里：strlen()计算时，对于一个UTF-8的中文字符，会把它当做长度为3来处理。当出现中英文混排的情况下，怎么准确的计算字符串的长度呢？这里，得引入另外一个函数mb_strlen()。mb_strlen()函数的用法与strlen()几乎一摸一样，只是多了一个指定字符集编码的参数。函数原型为：
复制代码
代码如下:
int
mb_strlen(string
string_input,
string
encode);
PHP内置的字符串长度函数strlen无法正确处理中文字符串，它得到的只是字符串所占的字节数。对于GB2312的中文编码，strlen得到的值是汉字个数的2倍，而对于UTF-8编码的中文，就是3倍的差异了（在UTF-8编码下，一个汉字占3个字节）。
因此，下面的代码能准确计算出中文字符串的长度：
复制代码
代码如下:
?php
$str
=
"三知sunchis开发网";
echo
strlen($str)."br";
//结果：22
echo
mb_strlen($str,"UTF8")."br";
//结果：12
$strlen
=
(strlen($str)+mb_strlen($str,"UTF8"))/2;
echo
$strlen;
//结果：17
?
原理分析：
strlen()计算时，对待UTF-8的中文字符长度是3，所以“三知sunchis开发网”的长度为5×3+7×1=22
在mb_strlen计算时，选定内码为UTF8，则会将一个中文字符当作长度1来计算，所以“三知sunchis开发网”长度为5×1+7×1=12
剩下的就是纯数学问题了，在此就不啰嗦了……
注意：对于mb_strlen($str,'UTF-8')，如果省略第二个参数，则会使用PHP的内部编码。内部编码可以通过mb_internal_encoding()函数得到。需要注意的是，mb_strlen并不是PHP核心函数，使用前需要确保在php.ini中加载了php_mbstring.dll，即确保“extension=php_mbstring.dll”这一行存在并且没有被注释掉，否则会出现未定义函数的问题。
php各种编码集详解和在什么情况下进行使用
utf-8 一般是通用的并且是国际的编码标准， gbk gb2312 是中国标准，我觉得主要看的你的产品在什么实用范围，建议实用UTF-8
如何用 PHP 搞定中文字符编码问题
1、要么页面原始汉字和从数据库里取出的汉字全是乱码；
2、要么原始汉字和数据库汉字，一个显示正常了，另一个就变成乱码了。
问题需要一步一步的解决。在实际操作以下方法之前，需要配置 Web 服务器，使其与 PHP 集成，最终可以调试 PHP 程序。我们以常见的 GB2312 和 UTF-8 字符集为例来测试和说明。浏览器是 IE7.0。
1、页面原始汉字乱码的解决
解决这个问题就需要使用 UltraEdit 的这个功能。
1.1 打开中文 Windows，用 UltraEdit 创建一个文本文件，手工输入一个 PHP 页面文件，文件内容如下。保存为 test1.php 文件，注意保存时“格式”下拉框选择“默认”- 特别注意这里。
什么是PHP编码？
PHP程序设计中中文编码问题曾经困扰很多人，导致这个问题的原因其实很简单，每个国家(或区域)都规定了计算机信息交换用的字符编码集，如美国的扩展ASCII码,中国的GB2312-80，日本的JIS等。作为该国家/区域内信息处理的基础，字符编码集起着统一编码的重要作用。字符编码集按长度分为SBCS(单字节字符集)，DBCS(双字节字符集)两大类。早期的软件(尤其是操作系统)，为了解决本地字符信息的计算机处理，出现了各种本地化版本(L10N)，为了区分，引进了LANG,Codepage等概念。但是由于各个本地字符集代码范围重叠，相互间信息交换困难;软件各个本地化版本独立维护成本较高。因此有必要将本地化工作中的共性抽取出来，作一致处理，将特别的本地化处理内容降低到最少。这也就是所谓的国际化(118N)。各种语言信息被进一步规范为Locale信息。处理的底层字符集变成了几乎包含了所有字形的 Unicode。
现在大部分具有国际化特征的软件核心字符处理都是以Unicode为基础的，在软件运行时根据当时的ocale/Lang /Codepage设置确定相应的本地字符编码设置，并依此处理本地字符。在处理过程中需要实现Unicode和本地字符集的相互转换，甚或以 Unicode为中间的两个不同本地字符集的相互转换。这种方式在网络环境下被进一步延伸，任何网络两端的字符信息也需要根据字符集的设置转换成可接受的内容。
数据库中的字符集编码问题
流行的关系数据库系统都支持数据库字符集编码，也就是说在创建数据库时可以指定它自己的字符集设置，数据库的数据以指定的编码形式存储。当应用程序访问数据时，在入口和出口处都会有字符集编码的转换。对于中文数据，数据库字符编码的设置应当保证数据的完整性。GB2312、GBK、UTF-8等都是可选的数据库字符集编码;当然我们也可以选择ISO8859-1(8-bit)，只是我们得在应
用程序写数据之前先将16Bit的一个汉字或Unicode拆分成两个8-bit的字符，读数据之后也需要将两个字节合并起来，同时还要判别其中的SBCS 字符，因此我们并不推荐采用ISO8859-1作为数据库字符集编码。这样不但没有充分利用数据库自身的字符集编码支持，而且同时也增加了编程的复杂度。编程时，可以先用数据库管理系统提供的管理功能检查其中的中文数据是否正确。
PHP程序在查询数据库之前，首先执行 mysql_query("SETNAMESxxxx");其中xxxx是你网页的编码(charset=xxxx)，如果网页中 charset=utf8，则xxxx=utf8，如果网页中charset=gb2312，则xxxx=gb2312，几乎所有WEB程序，都有一段连接数据库的公共代码，放在一个文件里，在这文件里，加入mysql_query("SETNAMESxxxx")就可以了。
SETNAMES 显示客户端发送的SQL语句中使用什么字符集。因此，SETNAMES'utf-8'语句告诉服务器“将来从这个客户端传来的信息采用字符集utf- 8”。它还为服务器发送回客户端的结果指定了字符集(例如，如果你使用一个SELECT语句，它表示列值使用了什么字符集)。
定位问题时常用的技巧
定位中文编码问题通常采用最笨的也是最有效的办法―在你认为有嫌疑的程序处理后打印字符串的内码。通过打印字符串的内码，你可以发现什么时候中文字符被转换成Unicode，什么时候Unicode被转回中文内码，什么时候一个中文字成了两个Unicode字符，什么时候中文字符串被转成了一串问号，什么时候中文字符串的高位被截掉了……
取用合适的样本字符串也有助于区分问题的类型。如："aa啊aa?@aa"等中英相间，GB、GBK特征字符均有的字符串。一般来说，英文字符无论怎么转换或处理，都不会失真(如果遇到了，可以尝试着增加连续的英文字母长度)。
解决各种应用的乱码问题
1)使用标签设置页面编码
这个标签的作用是声明客户端的浏览器用什么字符集编码显示该页面，xxx可以为GB2312、GBK、UTF-8(和MySQL不同，MySQL是 UTF8)等等。因此，大部分页面可以采用这种方式来告诉浏览器显示这个页面的时候采用什么编码，这样才不会造成编码错误而产生乱码。但是有的时候我们会发现有了这句还是不行，不管xxx是哪一种，浏览器采用的始终都是一种编码，这个情况我后面会谈到。
请注意，是属于HTML信息的，仅仅是一个声明，仅表明服务器已经把HTML信息传到了浏览器。
2)header("content-type:text/html;charset=xxx");
这个函数header()的作用是把括号里面的信息发到http标头。如果括号里面的内容为文中所说那样，那作用和标签基本相同，大家对照第一个看发现字符都差不多的。但是不同的是如果有这段函数，浏览器就会永远采用你所要求的xxx编码，绝对不会不听话，因此这个函数是很有用的。为什么会这样呢?那就得说说http标头和HTML信息的差别了：
http标头是服务器以http协议传送HTML信息到浏览器前所送出的字串。而标签是属于 HTML信息的，所以header()发送的内容先到达浏览器，通俗点就是header()的优先级高于(不知道可不可以这样讲)。假如一个php页面既有header("content-type:text/html;charset=xxx")，又有，浏览器就只认前者http标头而不认meta了。当然这个函数只能在php页面内使用。
同样也留有一个问题，为什么前者就绝对起作用，而后者有时候就不行呢?这就是接下来要谈的Apache的原因了。
3)AddDefaultCharset
Apache根目录的conf文件夹里，有整个Apache的配置文档httpd.conf。
用文本编辑器打开httpd.conf，第708行(不同版本可能不同)有AddDefaultCharsetxxx，xxx为编码名称。这行代码的意思：设置整个服务器内的网页文件http标头里的字符集为你默认的xxx字符集。有这行，就相当于给每个文件都加了一行header("content- type:text/html;charset=xxx")。这下就明白为什么明明设置了是utf-8，可浏览器始终采用gb2312的原因。
如果网页里有header("content-type:text/html;charset=xxx")，就把默认的字符集改为你设置的字符集，所以这个函数永远有用。如果把AddDefaultCharsetxxx前面加个"#"，注释掉这句，而且页面里不含header("content- type…")，那这个时候就轮到meta标签起作用了。
下面列出以上的优先顺序：
..header("content-type:text/html;charset=xxx")
..AddDefaultCharsetxxx
..
如果你是web程序员，建议给你的每个页面都加个header("content-type:text/html;charset=xxx")，这样就可以保证它在任何服务器都能正确显示，可移植性也比较强。
4)php.ini中的default_charset配置：
php.ini中的default_charset="gb2312"定义了php的默认语言字符集。一般推荐注释掉此行，让浏览器根据网页头中的charset来自动选择语言而非做一个强制性的规定，这样就可以在同台服务器上提供多种语言的网页服务。
结束语 参考：
其实php开发中的中文编码并没有想像的那么复杂，虽然定位和解决问题没有定规，各种运行环境也各不尽然，但后面的原理是一样的。了解字符集的知识是解决字符问题的基础。不过，随着中文字符集的变化，不仅仅是php编程，中文信息处理中的问题还是会存在一段时间的。
PHP如何获取中文字符串长度 utf8
PHP对中文字符串的处理一直困扰于刚刚接触PHP开发的新手程序员。下面简要的剖析一下PHP对中文字符串长度的处理：
PHP自带的函数如strlen()、mb_strlen()都是通过计算字符串所占字节数来统计字符串长度的，一个英文字符占1字节。例：
$enStr = ‘Hello,China!’;
echo strlen($enStr); // 输出：12
而中文则不然，做中文网站一般会选择两种编码：gbk/gb2312或是utf-8。utf-8能兼容更多的字符，所以受到很多站长的喜爱。gbk与utf-8对中文的编码不同，导致中文在gbk与utf-8编码下所占字节也有差异。
gbk编码下每个中文字符所占字节为2，例：
$zhStr = ‘您好，中国！’;
echo strlen($zhStr); // 输出：12
utf-8编码下每个中文字符所占字节为3，例：
$zhStr = ‘您好，中国！’;
echo strlen($zhStr); // 输出：18
那么如何计算这组中文字符串的长度呢？有人可能会说gbk下获取中文字符串长度除以2，utf-8编码下除以3不就行了吗？但是您要考虑字符串并不老实，99%的情况会以中英混合的情况出现。
这是WordPress中的一段代码，主要思想就是先用正则将字符串分解为个体单元，然后再计算单元的个数即字符串的长度，代码如下（只能处理utf-8编码下的字符串）：
$zhStr = ‘您好，中国！’;
$str = ‘Hello,中国！’;
// 计算中文字符串长度
function utf8_strlen($string = null) {
// 将字符串分解为单元
preg_match_all(“/./us”, $string, $match);
// 返回单元个数
return count($match[0]);
}
echo utf8_strlen($zhStr); // 输出：6
echo utf8_strlen($str); // 输出：9
