含有多字节字符时签名长度判断错误

[ershiwo]

启用了 BHC，症状是新出现的。 具体表现就是在更新过一次签名之后，这两天每天 0 点左右都会在时间线上看见自己的签名被自动更新并加上了一个“...”，已经和 @BinotaLiu 确认了不是 BHC 的问题，所以提交一下。 update: 只要进入一次设置页面，不管是否有操作，退出后就会自动更新签名了。

[ghost]

让我来猜 Bangumi 的源代码 (bgm38) 推测如下：

$sign = $_POST['sign'];
if(strlen($sign) > 50) {
    $sign = mb_substr($sign, 0, 50, 'utf-8') . ' ...';
}

写了一个解

$sign = $_POST['sign'];
$result = '';
$resultLength = 0;
$mbLength = mb_strlen($str, 'utf-8')
for($i = 0; $i < $mbLength; $i++) {
    $tmp = mb_substr($str, $i, 1, 'utf-8');
    $resultLength += (strlen($tmp) === mb_strlen($tmp, 'utf-8')) ? 1 : 2;
    $result .= $tmp;
    if($resultLength >= 50) {
        $result .= ' ...';
        break;
    }
}

[ershiwo]

但是似乎并不能解释自动更新的问题……

[ghost]

回信请加在信件顶部。

假設我們以第一段程序來運作，傳入的值是「巨硬信仰充值完毕，要不要坐下来盘昆特牌？ ...」 運行下列程序：

$sign = $_POST['sign'];
if(strlen($sign) > 50) { //由於此處長度是「64」，所以會進入 if 內
    $sign = mb_substr($sign, 0, 50, 'utf-8') . ' ...'; //這時候以 mb_substr 取出來的前 50 字是「巨硬信仰充值完毕，要不要坐下来盘昆特牌？ ...」，又 Append 了一組「 ...」了。
}

由於 strlen 所計算的是「字節數」，對於中日韓文來說，一個字符可能是二或三個字節（ANSI 或 UTF-8），所以在程序第二行得出的長度是 64 （20 個中文字 * 3 + 4 個 ASCII 字符 = 64） 關於解法我在上一封回信內有提到，這裡再對源代碼做解釋：

$sign = $_POST['sign'];
$result = '';
$resultLength = 0;
$mbLength = mb_strlen($str, 'utf-8')
for($i = 0; $i < $mbLength; $i++) { //嘗試針對輸入的每一個「字」（多字節字符算一個字）進行操作
    $tmp = mb_substr($str, $i, 1, 'utf-8');
    $resultLength += (strlen($tmp) === mb_strlen($tmp, 'utf-8')) ? 1 : 2; //若 strlen 取得的長度與 mb_strlen 取得的長度相同代表他是一個 ASCII 字符（半角字符），若否則代表是一個多字節字符（大部分情況下是全角，例外可能是半角的カタカナ，總之這裡當 2 去計算）
    $result .= $tmp; //將當前遍歷到的字符串上去
    if($resultLength >= 50) { //最後這裡判斷到目前為止拼上去字符串的長度（全角字符算 2 ，半角字符算 1），若全部大於 50 就停止
        $result .= ' ...';
        break;
    }
}

[ershiwo]

也就是说，当时没考虑 CJK 编码的特殊性，导致设定的允许字符数小了。如果是这样的话应该加一行截断再输出“…”的。

[ghost]

直接截断 ... 也是不行的，因为限制是「50字」， 如果是这句话 起来，饥寒交迫的奴隶，起来，全世界受苦的人 这一段文字虽然只有 21 个字， 但是 strlen 算出来的长度是 63 个字，超过 50 了， 所以通过 mb_substr($sign, 0, 50, 'utf-8') 截断前 50 个字并串上 ...， 在这里对 mb_substr 来说，算出来的长度是 21 哦！所以取前 50 个字就等于取全部了。 下一次再提交的时候，你的签名会是 起来，饥寒交迫的奴隶，起来，全世界受苦的人 ...， strlen 算出来长度是 67，同样超过 50 ，所以截断， 截断了前 50 个字，还是 起来，饥寒交迫的奴隶，起来，全世界受苦的人 ... ，然后又给你串了一次 ...， 所以在签名是中文时，这样子并不是正常情况，

正常情况应该是像这个样子： 输入字串为「Lorem ipsum dolor sit amet, consectetur adipiscing volutpat.」这里总共有 60 个字， 通过 strlen 算出来的长度是 60 ，超过 50 了， 所以通过 mb_substr($sign, 0, 50, 'utf-8') 截断前 50 个字并串上 ...， 这时候你的签名会变成这样：Lorem ipsum dolor sit amet, consectetur adipiscing ... 下一次你提交的时候再通过一样的过程： 通过 strlen 算出来的长度是 54 ，超过 50，所以截断再串上 ...， 截断 50 个字的时候就是 Lorem ipsum dolor sit amet, consectetur adipiscing ，所以并不会出现两次 ...。