strlen() 返回错误长度是因为它按字节计数，而泰文在UTF-8中占2–3字节/字符，如"สวัสดี"返回12而非6；应使用mb_strlen($str, 'UTF-8')替代。
strlen() 在泰文字符串上为什么返回错误长度
strlen() 是 PHP 的单字节计数函数，它把每个字节都算作一个字符。泰文属于 UTF-8 编码下的多字节字符（常见为 2–3 字节/字符），所以 strlen("สวัสดี") 返回 12 而不是 6 —— 它数的是字节，不是“人眼看到的字”。这在表单校验、截取显示、数据库字段长度限制等场景下会直接导致逻辑错误。
mb_strlen() 是正确解法，但必须指定编码
PHP 的 mb_strlen() 支持多字节编码识别，但默认编码依赖 mb_internal_encoding() 设置，而该设置未必是 UTF-8（尤其老项目或未显式配置时）。不指定编码参数极易踩坑：
- ✅ 正确写法：
mb_strlen($str, 'UTF-8') - ⚠️ 危险写法：
mb_strlen($str)（依赖当前内部编码，不可靠） - ❌ 错误写法：
mb_strlen($str, 'GBK')（泰文在 GBK 中无法表示，返回 false 或 0）
示例：mb_strlen("สวัสดีครับ", 'UTF-8') 稳定返回 9；strlen("สวัสดีครับ") 返回 21。
截取泰文字符串别用 substr()，改用 mb_substr()
用 substr() 截泰文大概率产生乱码，因为可能在某个字符的中间字节处切断。比如 substr("สวัสดี", 0, 5) 可能输出 สัสดี——前两个字节不属于完整 UTF-8 序列。
立即学习“PHP免费学习笔记（深入）”；
- 始终用
mb_substr($str, $start, $length, 'UTF-8') - $length 参数单位是字符数，不是字节数
- 若 $length 为 null，则截取到末尾（
mb_substr($str, 2, null, 'UTF-8')） - 注意：$start 也是按字符偏移，不是字节偏移
判断是否含泰文字符可结合正则与 mb_ 函数
单纯靠长度判断不够，有时需确认字符串里真有泰文。Unicode 中泰文范围是 \u0E00-\u0E7F，但要注意：PHP 的 PCRE 默认不支持 Unicode 属性（如 \p{Thai}），除非启用 u 修饰符且确保 PCRE 版本 ≥ 8.32。
- 推荐兼容写法：
preg_match('/[\x{0E00}-\x{0E7F}]/u', $str) - 更稳妥的检测方式：
mb_ereg('[\x0E00-\x0E7F]', $str)（但mb_ereg已废弃，慎用） - 实用组合判断：
mb_strlen($str, 'UTF-8') !== strlen($str) && preg_match('/[\x{0E00}-\x{0E7F}]/u', $str)（排除其他多字节语言干扰）
真正容易被忽略的是：很多泰国用户会混输英文、数字和空格，这些仍是单字节；所以「含泰文」不等于「全泰文」，业务逻辑中要区分清楚。
