PHP統計UTF 8編碼檔案中的字元數

utf-8（8-bit unicode transformation format）是一種針對unicode的可變長度字元編碼，由ken thompson於2023年建立，現在已經標準化為rfc 3629。utf-8用1到4個位元組編碼unicode字元。

那如何判斷乙個字元到底是用幾個位元組表示的呢，這個從乙個utf-8字元的首位元組中就可以判斷，utf-8編碼規則：如果只有乙個位元組則其最高二進位制位為0；如果是多位元組，其第乙個位元組從最高位開始，連續的二進位制位值為1的個數決定了其編碼的位元組數，其餘各位元組均以10開頭。utf-8轉換表表示如下：

從檔案開頭通過每次讀取乙個字元的首位元組，判斷其中連續的1的個數就可以得知這個字元占用幾個位元組，如果最高位是0，則該字元是個單位元組字元（即ascii碼），然後跳過相應的位元組數，再去讀下乙個字元的首位元組，依此類推，就可以很容易的統計乙個檔案中的字元數了。

附上**：

<?php 
class utf8counter 
// 把檔案指標重新移到檔案開頭
rewind($fp);
return false;
}/**
* 根據utf-8字元首位元組確定該字元的位元組數
* @param string $char
* @return int|mixed
*/public static function getcharbytecount($char)
foreach (self::utf8_first_byte_feature as $bits => $bytecount) 
}throw new \runtimeexception('非法的utf-8字元');
}/**
* @param $string
* @param null $absence 最後乙個字元缺少的位元組數，例如給定的字串最後乙個字元長度是3位元組，但只提供了其中前兩個位元組，則該值為1。
* @return int
*/public static function getstringcounter($string, &$absence = null)
while (true) );
$pos += $bytecount;
$counter++;
if ($pos >= $len) 
}return $counter;
}/**
* @param string $file 檔案路徑
* @return int
*/public static function getfilecounter($file)
$fp = fopen($file, 'rb');
if (!$fp) 
self::clearbomheader($fp);
$absence = 0;
while (!feof($fp)) 
if ($absence > 0) 
$counter += self::getstringcounter($buf, $absence);
}@fclose($fp);
return $counter;
}/**
* 統計資料夾中所有檔案的字元數總和
* @param string $dir 目錄
* @param string|array $extname 只處理指定的副檔名，支援字串和陣列，'.txt' 或 ['.txt', '.php', '.html', '.md', ...]
* @return int
*/public static function getdircounter($dir, $extname = '')
$dir = rtrim($dir, "/\\");
if ($extname && is_string($extname)) 
$filearr = scandir($dir);
foreach ($filearr as $file) 
$file = $dir . '/' . $file;
if (is_dir($file)) else }}
return $counter;}}

呼叫：

<?php 
echo utf8counter::getstringcounter('????你好中國??') . php_eol;
echo utf8counter::getfilecounter('foo/1112.txt') . php_eol;
echo utf8counter::getdircounter('foo', '.txt') . php_eol;

執行結果：

c:\users\zhangyi\phpstormprojects\demo>php utf8wc.php109 34217

PHP統計UTF 8編碼檔案中的字元數

php使用fopen建立utf8編碼檔案的方法

介紹utf8編碼

UTF8編碼解碼

PHP統計UTF 8編碼檔案中的字元數

php使用fopen建立utf8編碼檔案的方法

介紹utf8編碼

UTF8編碼 解碼

相關推薦

UTF8編碼解碼