PHP处理泰文字串长度技巧

小伙伴们有没有觉得学习文章很有意思？有意思就对了！今天就给大家带来《PHP处理泰文字符串长度技巧》，以下内容将会涉及到，若是在学习中对其中部分知识点有疑问，或许看了本文就能帮到你！

strlen() 返回错误长度是因为它按字节计数，而泰文在UTF-8中占2–3字节/字符，如"สวัสดี"返回12而非6；应使用mb_strlen($str, 'UTF-8')替代。

strlen() 在泰文字符串上为什么返回错误长度

strlen() 是 PHP 的单字节计数函数，它把每个字节都算作一个字符。泰文属于 UTF-8 编码下的多字节字符（常见为 2–3 字节/字符），所以 strlen("สวัสดี") 返回 12 而不是 6 —— 它数的是字节，不是“人眼看到的字”。这在表单校验、截取显示、数据库字段长度限制等场景下会直接导致逻辑错误。

mb_strlen() 是正确解法，但必须指定编码

PHP 的 mb_strlen() 支持多字节编码识别，但默认编码依赖 mb_internal_encoding() 设置，而该设置未必是 UTF-8（尤其老项目或未显式配置时）。不指定编码参数极易踩坑：

• ✅ 正确写法：mb_strlen($str, 'UTF-8')
• ⚠️ 危险写法：mb_strlen($str)（依赖当前内部编码，不可靠）
• ❌ 错误写法：mb_strlen($str, 'GBK')（泰文在 GBK 中无法表示，返回 false 或 0）

示例：mb_strlen("สวัสดีครับ", 'UTF-8') 稳定返回 9；strlen("สวัสดีครับ") 返回 21。

截取泰文字符串别用 substr()，改用 mb_substr()

用 substr() 截泰文大概率产生乱码，因为可能在某个字符的中间字节处切断。比如 substr("สวัสดี", 0, 5) 可能输出 สัสดี——前两个字节不属于完整 UTF-8 序列。

• 始终用 mb_substr($str, $start, $length, 'UTF-8')
• $length 参数单位是字符数，不是字节数
• 若 $length 为 null，则截取到末尾（mb_substr($str, 2, null, 'UTF-8')）
• 注意：$start 也是按字符偏移，不是字节偏移

判断是否含泰文字符可结合正则与 mb_ 函数

单纯靠长度判断不够，有时需确认字符串里真有泰文。Unicode 中泰文范围是 \u0E00-\u0E7F，但要注意：PHP 的 PCRE 默认不支持 Unicode 属性（如 \p{Thai}），除非启用 u 修饰符且确保 PCRE 版本 ≥ 8.32。

• 推荐兼容写法：preg_match('/[\x{0E00}-\x{0E7F}]/u', $str)
• 更稳妥的检测方式：mb_ereg('[\x0E00-\x0E7F]', $str)（但 mb_ereg 已废弃，慎用）
• 实用组合判断：mb_strlen($str, 'UTF-8') !== strlen($str) && preg_match('/[\x{0E00}-\x{0E7F}]/u', $str)（排除其他多字节语言干扰）

真正容易被忽略的是：很多泰国用户会混输英文、数字和空格，这些仍是单字节；所以「含泰文」不等于「全泰文」，业务逻辑中要区分清楚。

到这里，我们也就讲完了《PHP处理泰文字串长度技巧》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于的知识点！