WordPress模板中strlen获取文章字符数不准确问题及优化尝试

原代码问题分析 #

你最初使用的代码存在两个核心问题，导致字符数统计偏差：

• get_the_content()返回的内容包含HTML标签、短代码，这些无关元素会被计入字符数，导致结果偏大；
• utf8_decode将UTF-8多字节字符转为单字节编码，strlen按字节数统计，会把中文、表情等多字节字符拆成多个字节计算，进一步放大误差。

优化后代码的不足 #

你尝试的mb_strlen(wp_strip_all_tags($post->post_content))已经解决了多字节统计和HTML标签问题，但$post->post_content是文章原始内容，包含未解析的短代码（比如[video]、[gallery]），这些短代码本身会被算入字符数，但前端显示时短代码会被替换为实际内容，所以统计结果和真实显示的字符数仍有差异。

准确统计的两种方案 #

方案1：统计前端实际显示的纯文本字符数（推荐） #

该方案模拟WordPress输出内容的完整流程，解析短代码后再统计，结果和用户实际看到的纯文本字符数完全一致：

<?php
// 获取经过所有过滤器处理的内容（解析短代码、应用格式）
$display_content = apply_filters('the_content', $post->post_content);
// 清除所有HTML标签，保留纯文本
$clean_text = wp_strip_all_tags($display_content);
// 去除首尾空白，统计UTF-8多字节字符长度
$char_count = mb_strlen(trim($clean_text), 'UTF-8');
echo $char_count;
?>

方案2：统计文章原始纯文本（不含短代码、HTML） #

如果不需要统计短代码解析后的内容，仅统计作者输入的纯文本：

<?php
// 先清除短代码，再清除HTML标签
$raw_clean_text = wp_strip_all_tags(strip_shortcodes($post->post_content));
// 统计UTF-8多字节字符长度
$char_count = mb_strlen(trim($raw_clean_text), 'UTF-8');
echo $char_count;
?>

关键函数说明 #

• apply_filters('the_content', ...)：触发WordPress的内容处理流程，自动解析短代码、应用主题格式，得到和前端显示一致的内容；
• wp_strip_all_tags：安全移除所有HTML标签，比原生strip_tags更可靠，避免残留标签碎片；
• strip_shortcodes：直接移除文章中的短代码标签（不解析）；
• mb_strlen(..., 'UTF-8')：正确统计UTF-8编码下的字符数，每个中文、表情等多字节字符都按1个字符计算；
• trim()：去除内容首尾的换行、空格等空白字符，避免无关字符影响统计结果。

内容的提问来源于stack exchange，提问作者herrfischer