php计算中英文混合或中文字符串的字数

php的strlen和mb_strlen用于统计字符个数。中英文混合的字符串中的中文字符则没有统计进来。所以得自己另想方法统计中英文混合的字符串的字数。以下是我的方法:
先用正则表达式把所有中文替换为空格,就可以用strlen()统计总字数了,总字数就是中文字数与英文字数的总和。
这里的讨论都是在utf-8编码情况下。
统计中文字数并把所有中文替换为空格的正则表达式:

preg_replace(‘/[\x80-\xff]{3}/’, ‘ ‘, $str, -1);

上面的正则表达式基于这样的假设:所以中文字符的utf-8都占3个字节。网上有人说:并不是所有utf-8中文都是3个字节,在0080 – 07FF码段为2字节,在0800 – FFFF码段为3字节。那么是不是用preg_replace(‘/[\x80-\xff]{1,3}/’, ‘ ‘, $str,-1)更合适?
归结起来,统计字符串中英文字数的示例:

$str = 'I am a 中国人!'; 
$str = preg_replace('/[\x80-\xff]{1,3}/', ' ', $str, -1); 
$num = strlen($str);

变量$num的值即为总字数,本例$num的值为11。这种做法,中文标点符号(所有中文特殊符号)也是算在内的。

Xshell中文乱码的解决方法

本文介绍解决Xshell中不能中文乱码、按退格及删除键的方法,用 Xshell 连接 linux 系统时,显示数据到控制台,中文竟然为乱码:

执行 echo $LANG 命令

echo $LANG
输出:
zh_CN.UTF-8
执行 locale 命令
locale
输出:
LANG=zh_CN.UTF-8
LC_CTYPE=”zh_CN.UTF-8″
LC_NUMERIC=”zh_CN.UTF-8″
LC_TIME=”zh_CN.UTF-8″
LC_COLLATE=”zh_CN.UTF-8″
LC_MONETARY=”zh_CN.UTF-8″
LC_MESSAGES=”zh_CN.UTF-8″
LC_PAPER=”zh_CN.UTF-8″
LC_NAME=”zh_CN.UTF-8″
LC_ADDRESS=”zh_CN.UTF-8″
LC_TELEPHONE=”zh_CN.UTF-8″
LC_MEASUREMENT=”zh_CN.UTF-8″
LC_IDENTIFICATION=”zh_CN.UTF-8″
LC_ALL=

说明Linux系统的编码为 UTF-8,要让 Xshell 不显示乱码就需要将 Xshell 的编码方式改为 UTF-8。 

点击[File]–>[ properties]–> [Terminal ] 在右边的translation先选择Unicode(UTF-8)即可。

虽然不会在刚刚的乱码中马上看到变化,但是新打开的内容都将改成正常的字符。

PHP使用mb_substr()解决中文字符串截取乱码问题

根据百度百科查阅的资料:

string mb_substr( string$str, int$start[, int$length[, string$encoding]] );

mb_substr 执行一个多字节安全的substr()操作基础上的字符数。从str的开始位置计算。第一个字符的位置为0。第二个字符的位置是1,依此类推。

str 被截取的母字符串。

start开始位置。

length 返回的字符串的最大长度,如果省略,则截取到str末尾。

encoding 参数为字符编码。如果省略,则使用内部字符编码。

那么我们可以使用一下的代码,来完成这个问题。

$mess=mb_substr($message,0,19,'gb2312');

gb2312就是中文的编码格式。


当然啦,我也看到了http://blog.onens.com/php-substr.html提供的代码,也是一个不错的解决方法。

PHP 自带几种字符串截取函数,其中常用到的就是 substr 和 mb_substr。前者在处理中文时,GBK 为 2 个长度单位,UTF 为 3 个长度单位,后者指定编码后,一个中文即为 1 个长度单位。

substr 有时会截 1/3 个中文或半个中文,会显示乱码,相对来说 mb_substr 更适合我们使用。不过有时候 mb_substr 就显得不那么好用了。例如我要显示一个小图片的简要信息,5 个中文正好,超过 5 个就截取前4再加上 “…”,这样处理中文是没问题了,可是处理英文或数字,这样截取就太短了。

以下代码是http://blog.onens.com/php-substr.html提供的,我试过是可以使用的:

<?php
/**
 * 字符串截取
 *
 * @author gesion<gesion@163.com>
 * @param string $str 原始字符串
 * @param int    $len 截取长度(中文/全角符号默认为 2 个单位,英文/数字为 1。
 *                    例如:长度 12 表示 6 个中文或全角字符或 12 个英文或数字)
 * @param bool   $dot 是否加点(若字符串超过 $len 长度,则后面加 "...")
 * @return string
 */
class Onens {
    public static function g_substr($str, $len = 12, $dot = true) {
        $i = 0;
        $l = 0;
        $c = 0;
        $a = array();
        while ($l < $len) {
            $t = substr($str, $i, 1);
            if (ord($t) >= 224) {
                $c = 3;
                $t = substr($str, $i, $c);
                $l += 2;
            } elseif (ord($t) >= 192) {
                $c = 2;
                $t = substr($str, $i, $c);
                $l += 2;
            } else {
                $c = 1;
                $l++;
            }
            // $t = substr($str, $i, $c);
            $i += $c;
            if ($l > $len) break;
            $a[] = $t;
        }
        $re = implode('', $a);
        if (substr($str, $i, 1) !== false) {
            array_pop($a);
            ($c == 1) and array_pop($a);
            $re = implode('', $a);
            $dot and $re .= '...';
        }
        return $re;
    }
}

参考文献:http://blog.onens.com/php-substr.html