Почему длина строки не соответствует реальности?

Question

[Александр]

Получаю строку, делю ее в массив пробелами, дэбажу и бац, слова с кириллицей имеют длину ровно в 2 раза больше реальной. При том проблема только с кириллицей, цифры выводятся правильно. Что это за аномалия?

Comments

[Александр]

Ни iconv_strlen, ни strlen, ни mb_strlen, ни var_dump не возвращают правильного значения.

Answer 1

[Александр Новиков]

php.net/manual/ru/function.strlen.php
vs
php.net/manual/ru/function.mb-strlen.php

Функция strlen() возвратит количество байт, а не число символов в строке.

Comments

[Александр]

я вывожу через var_dump

[Александр Новиков]

Александр, var_dump тоже выводит не число символов в строке, а число байт.

[Vitsliputsli]

я вывожу через var_dump

Т.е.? Вы ожидаете от var_dump подсчета кол-ва символов? Он выводит размер переменной в байтах.

[Александр]

Vitsliputsli, я не знал, что один символ кириллицы в стандартной кодировки php равен 2 байтам. Теперь узнал.

[Александр Новиков]

Александр, Есть еще очень интересный случай с смайлами emoji, они уже 4 байта требуют.
И это может поломать например базу данных, если не сойдется varchar length и mb_strlen
1) Валидируем комментарий '*emoji_egg**emoji_egg**emoji_egg**emoji_egg*' как mb_strlen <=4
2) Пытаемся его записать: вставляем в колонку Comment.body с типом VARCHAR(4) кодировкой UTF-8
Получаем вполне себе Exception

UPD: toster тримает emoji в комментах. И правильно делает ) Изначально *emoji_egg* = 1 смайл-яйцо

[Александр]

Александр Новиков, спасибо

[Vitsliputsli]

Александр,

я не знал, что один символ кириллицы в стандартной кодировки php равен 2 байтам.

это стандартная кодировка по рекомендациям RFC и ISO, бывают кодировки и с переменным кол-во байт на символ и с большим кол-вом. Почитайте, подробнее про кодировки, это вам не раз понадобится.

Answer 2

[Александр]

Следовало использовать iconv_strlen с кодировкой UTF-8.
Получилось так:
echo "Длина: ".iconv_strlen($qElement,'UTF-8');