越南文字符长度判断及特殊字符处理技巧

各位小伙伴们，大家好呀！看看今天我又给各位带来了什么文章？本文标题是《越南文字符串长度判断及特殊字符处理方法》，很明显是关于文章的文章哈哈哈，其中内容主要会涉及到等等，如果能帮到你，觉得很不错的话，欢迎各位多多点评和分享！

PHP处理越南文需全程UTF-8一致：strlen()应换mb_strlen()，preg_match()加/u并用\p{L}，mb_substr()须指定'UTF-8'编码，HTML与表单需声明UTF-8，数据库连接要设charset=utf8mb4。

strlen() 在越南文字符串上会返回错误长度

PHP 的 strlen() 按字节计数，而越南文含大量 UTF-8 多字节字符（如 đ、ơ、ư），一个字符可能占 2–3 字节。直接用 strlen() 判定“字符个数”必然出错。

例如："đủ" 实际是 4 字节（đ=2字节，ủ=2字节），但只有 2 个字符——strlen("đủ") 返回 4，而非预期的 2。

• 必须改用 mb_strlen($str, 'UTF-8') 获取真实字符数
• 确保脚本文件本身保存为 UTF-8 无 BOM 格式
• 若从数据库读取，确认连接层已设 UTF-8（如 PDO DSN 加 ;charset=utf8mb4）

preg_match() 匹配越南文时正则失效

默认 PCRE 不支持 Unicode 属性，/^[a-zàáạảãâầấậẩẫăằắặẳẵđèéẹẻẽêềếệểễìíịỉĩòóọỏõôồốộổỗơờớợởỡùúụủũưừứựửữỳýỵỷỹ\s]+$/i 这类手动列字符的方式极易漏写、难维护，且大小写不敏感标志 i 对越南文无效。

正确做法是启用 Unicode 模式并使用 \p{L}：

if (!preg_match('/^\p{L}+$/u', $str)) {
    // 非纯越南文/拉丁字母字符
}

• /u 修饰符强制 PCRE 以 UTF-8 解析模式和字符串
• \p{L} 匹配任意 Unicode 字母（含越南文所有带调号字母）
• 避免手写字符集——đ 和 Đ 是两个独立码点，mb_strtoupper() 才能正确转换大小写

mb_substr() 截断越南文时出现乱码

用 substr() 截取越南文字符串，极易在多字节字符中间切断，导致后续输出显示 或乱码。比如 substr("tối", 0, 3) 可能切掉 ối 的第一个字节，留下残缺字节序列。

• 一律改用 mb_substr($str, $start, $length, 'UTF-8')
• 第 4 个参数不可省略，否则依赖默认内部编码（可能不是 UTF-8）
• 注意：$length 单位是字符数，不是字节数
• 若需兼容 PHP 7.4 以下版本，检查 mb_internal_encoding() 是否已设为 'UTF-8'

表单提交或 URL 参数中的越南文变问号或方块

这不是 PHP 层问题，而是 HTTP 层未声明字符集。浏览器按 ISO-8859-1 解析表单，导致越南文字节被错误解释。

• HTML 页面 中必须有：
• 表单显式声明：
• PHP 接收后，用 mb_convert_encoding($_POST['text'], 'UTF-8', 'auto') 做兜底（仅限无法控制前端时）
• Apache 配置中避免 AddDefaultCharset 覆盖为非 UTF-8

越南文处理的复杂点不在函数调用本身，而在整个链路的编码一致性——从编辑器保存、HTML 声明、HTTP 头、数据库连接到 PHP 内部函数，任一环节掉链子，都会让 mb_* 函数前功尽弃。

今天关于《越南文字符长度判断及特殊字符处理技巧》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！