PHP mb_strlen() 計算中文字長度異常排查

現象描述

使用 mb_strlen($str, 'UTF-8') 計算含中文字串長度時，結果與預期不符（如圖所示）。

常見原因

1. 編碼參數錯誤或缺失：未指定第二參數或指定錯誤編碼（如 'utf8' vs 'UTF-8'），導致預設使用內部編碼（可能為 ISO-8859-1），中文字被視為多個位元組。
2. 字串實際編碼非 UTF-8：資料來源（資料庫、檔案、外部 API）實際為 GBK/Big5，但程式假設為 UTF-8。
3. mbstring 擴展未啟用或內部編碼未設定：php.ini 中 mbstring.internal_encoding 未設為 UTF-8。
4. 隱形字元：字串含 BOM、零寬空格、控制字元等不可見字元。

排查步驟

// 1. 確認 mbstring 已載入
var_dump(extension_loaded('mbstring'));

// 2. 設定內部編碼（建議在入口檔案統一設定）
mb_internal_encoding('UTF-8');
mb_http_output('UTF-8');

// 3. 顯式指定編碼
$len = mb_strlen($str, 'UTF-8');

// 4. 檢查字串實際位元組
var_dump(bin2hex($str)); // 觀察每字元位元組序列

// 5. 移除 BOM
if (strncmp($str, "\xEF\xBB\xBF", 3) === 0) {
    $str = substr($str, 3);
}

最佳實踐

• 專案統一使用 UTF-8（檔案編碼、資料庫連線、HTML meta、PHP 內部編碼）。
• 資料庫連線指定字符集：PDO `charset=utf8mb4`、mysqli `set_charset('utf8mb4')`。
• 所有 mb_* 函數呼叫時顯式傳遞 'UTF-8'，不依賴預設值。