携子之手,与子偕老

微博内容字数统计函数(PHP版)

技术文档 13030浏览 0评论
文章目录[隐藏]

最近在做一个项目,其中一部分的内容就是文章内容跟微博的同步,即在发布文章时,同步更新到微博。

需要解决的问题之一就是判断文章内容的长度,因为微博(包括新浪微博和腾讯微博)都有字数限制,不能超过140字,如果超过了,就会发布失败。

但微博的字数统计方法又有点特殊,其将中文字符作为一个长度,英文、数字、标点符号等两个为一个长度。PHP中常用的字数统计函数有strlen和mb_strlen等,在strlen函数中,统计得到的是字符串所占的字节数,其对待一个UTF8编码的中文字符是3个字节的长度,对于GB2312的中文编码,得到的则是2个字节长度,英文则是一个字节的长度;而在mb_strlen函数中,中英文都会被计算为一字节的长度。因此,使用PHP自带的函数进行微博内容字数统计,显然会造成统计结果错误。

解决方案

PHP版微博内容字数统计函数如下:

/*
//获取微博字符长度  
*/
function WeiboLength($str)
{
    $arr = arr_split_zh($str);   //先将字符串分割到数组中

    foreach ($arr as $v){
        $temp = ord($v);        //转换为ASCII码
        if ($temp > 0 && $temp < 127) {
            $len = $len+0.5;
        }else{
            $len ++;
        }
    }
    return ceil($len);        //加一取整
}

/*
//拆分字符串函数,只支持 gb2312编码  
//参考:http://u-czh.iteye.com/blog/1565858
*/
function arr_split_zh($tempaddtext){
    $tempaddtext = iconv("UTF-8", "GBK//IGNORE", $tempaddtext);
    $cind = 0;
    $arr_cont=array();

    for($i=0;$i<strlen($tempaddtext);$i++)
    {
        if(strlen(substr($tempaddtext,$cind,1)) > 0){
            if(ord(substr($tempaddtext,$cind,1)) < 0xA1 ){ //如果为英文则取1个字节
                array_push($arr_cont,substr($tempaddtext,$cind,1));
                $cind++;
            }else{
                array_push($arr_cont,substr($tempaddtext,$cind,2));
                $cind+=2;
            }
        }
    }

    foreach ($arr_cont as &$row)
    {
        $row=iconv("gb2312","UTF-8",$row);
    }

    return $arr_cont;
}   

说明

  1. 将字符串分割到数组中,不能简单地使用str_split等函数,分割英文字符串还行,但对待中/英文以及数字/符号等混编的内容来说,会生成完全乱码的内容。
  2. 基于第一点,本文使用了http://u-czh.iteye.com/blog/1565858一文中提供的字符串拆分函数,但在实际使用过程中,发现对于一些经过strip_tags函数过滤后的内容,会生成乱码的内容,本文的解决方案是将:$tempaddtext = iconv("UTF-8", "gb2312", $tempaddtext); 修订为:$tempaddtext = iconv("UTF-8", "GBK//IGNORE", $tempaddtext);

测试结果

使用如下一段文本进行测试。

#IT资讯#众所周知微软非常渴望缓解Windows 8/8.1系统占比不高的尴尬,已经迫不及待的想要介绍精心改良的Windows 9操作系统,但是这一天还需要再等待一段时间。因为根据NPD集团在今年的返校季调查结果显示最大的赢家并不是Windows PC,而是Mac和Chromebooks。

新浪微博统计结果如下:

enter image description here

统计结果为120个字符。

接下来,分别使用三个函数的测试结果如下:

enter image description here

本文函数的统计结果与微博的统计结果一致。

目前的使用过程中还都正常,不排除一些情况下会出现异常,望大家反馈。

转载请注明:自由的风 » 微博内容字数统计函数(PHP版)

发表我的评论
取消评论

表情

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

网友最新评论 (1)

  1. 正好用到了,感谢分享。

    张戈博客2015-01-22 10:58 回复