[Php] Grapheme_strlen vs Mb_strlen vs Strlen
前言
小時候在寫 PHP 時要看字串長度，常常不懂事的用 strlen 來作判斷，但是在遇到中日韓這種會把 2 bytes 當一個字的長度時，這時候字串的長度又不準了。這時學會了使用 mb_strlen 這個 function，感覺長度這樣用，就準了。但有趣的事是，竟然近期又出現了 grapheme_strlen 。崩潰，不過就是算個長度而已，為什麼有這麼多的方法。
讓我們來寫個小程式來實驗一下
[code lang=“php”] [/code] 結果如下： [code lang=“bash”] $ php /tmp/test.php string(33) “這是中文 english 混合測試” int(17) int(17) int(33) [/code] 看起來很合理啊，用 strlen 結果是 33 個字元，因為他是算 bytes。mb_strlen 17 個字，即使是中英文混合，看起來算字數也是沒問題的！mb_strlen 和 grapheme_strlen 目前看起來結果是一樣的。
接下來再一個小實驗
[code lang=“php”] [/code] 結果如下： [code lang=“bash”] $ php /tmp/test.php string(8) “é = é” int(6) int(5) int(8) [/code] WTF，竟然有三個不同的數字，畫面上來看，明明就只有五個字，為什麼 mb_strlen 會算出來六個字呢！
原來是 Grapheme Cluster 在作怪
Grapheme Cluster 就類似中文一樣，會把二個字當作一個字。所以畫面上看起來是一個字，但實際上在 unicode 是可以用二個字來表示，所以可以看見範例二中顯示的字是一樣，但 unicode 是不同的。而這樣就會造成 mutlibyte 的 function 計算長度有問題。
結論就是….
如果有考慮中日韓以外的語系的話，可以使用 grapheme_strlen 。另外必須要注意，如果傳進來的參數不是 utf8 的字的話，他的回傳值是 null ，而這部份與 mb_strlen 的結果不一致。