PHPのstrlen()関数がUnicode文字に対して誤った文字数を返す原因とmb_strlen()による解決方法

Unicode文字（マルチバイト文字）を含む文字列の正しい長さを取得したい場合は、strlen()の代わりにmb_strlen()を使用しましょう。

なぜstrlen()では誤った値が返されるのか

PHPのstrlen()関数は、文字数ではなく「バイト数」をカウントする関数です。UTF-8などのマルチバイトエンコーディングでは、1文字が複数バイトで表現されるため、特殊文字やアクセント記号付きの文字が含まれると、実際の文字数よりも大きな値が返されてしまいます。

一方、mb_strlen()は文字エンコーディングを指定できるため、マルチバイト文字を1文字として正確にカウントできます。

サンプルコード

以下は、mb_strlen()とstrlen()の違いを確認できるPHPコードです。

<?php
   $unicodeValues = 'JohnSmȉth';
   echo "mb_strlenでの文字数=", mb_strlen($unicodeValues, 'utf8');
   echo "\n";
   echo "strlenでの文字数=", strlen($unicodeValues);
?>

出力結果

mb_strlenでの文字数=9
strlenでの文字数=10

結果の解説

この例では、文字列「JohnSmȉth」に含まれる「ȉ」（ブレーブ符号付きのi）がUTF-8では2バイトで表現されます。そのため、バイト数を数えるstrlen()は10を返し、文字数を正しく数えるmb_strlen()は9を返します。

日本語などのマルチバイト文字を扱う場合も同様の問題が発生するため、文字数を扱う処理では必ずmb_strlen()を使うことをおすすめします。