php - 检测发送文本所需的 SMS 数量的最佳方法

Question

我正在寻找 php 中的代码/lib，我将调用它并将文本传递给它，它会告诉我:

1. 为了将此文本作为 SMS(7、8、16 位)发送，我需要使用什么编码
2. 我将使用多少条 SMS 消息来发送此文本(像 http://ozekisms.com/index.php?owpn=612 中那样计算“分段信息”一定很聪明)

您是否知道任何可以为我执行此操作的代码/库？

同样，我不是要发送 SMS 或转换 SMS，只是为了给我有关文本的信息

更新:

好的，我做了下面的代码，它似乎工作正常，如果您有更好/优化的代码/解决方案/库，请告诉我

$text = '\@£$¥èéùìòÇØøÅåΔ_ΦΓΛΩΠΨΣΘΞÆæßÉ -./0123456789:;<=>?¡ABCDEFGHIJKLMNOPQRSTUVWXYZÄÖÑܧ¿abcdefghijklmnopqrstuvwxyzäöñüà^{}[~]|€' ; //"\\". //'"';//' ';

print $text . "\n";
print isGsm7bit($text). "\n";
print getNumberOfSMSsegments($text). "\n";




function getNumberOfSMSsegments($text,$MaxSegments=6){
/*
http://en.wikipedia.org/wiki/SMS

Larger content (concatenated SMS, multipart or segmented SMS, or "long SMS") can be sent using multiple messages, 
in which case each message will start with a user data header (UDH) containing segmentation information. 
Since UDH is part of the payload, the number of available characters per segment is lower: 
153 for 7-bit encoding, 
134 for 8-bit encoding and 
67 for 16-bit encoding. 
The receiving handset is then responsible for reassembling the message and presenting it to the user as one long message. 
While the standard theoretically permits up to 255 segments,[35] 6 to 8 segment messages are the practical maximum, 
and long messages are often billed as equivalent to multiple SMS messages. See concatenated SMS for more information. 
Some providers have offered length-oriented pricing schemes for messages, however, the phenomenon is disappearing.
*/
$TotalSegment=0;
$textlen = mb_strlen($text);
if($textlen==0) return false; //I can see most mobile devices will not allow you to send empty sms, with this check we make sure we don't allow empty SMS

if(isGsm7bit($text)){ //7-bit
    $SingleMax=160;
    $ConcatMax=153;
}else{ //UCS-2 Encoding (16-bit)
    $SingleMax=70;
    $ConcatMax=67;
}

if($textlen<=$SingleMax){
    $TotalSegment = 1;
}else{
    $TotalSegment = ceil($textlen/$ConcatMax);
}

if($TotalSegment>$MaxSegments) return false; //SMS is very big.
return $TotalSegment;
}

function isGsm7bit($text){
$gsm7bitChars = "\\\@£\$¥èéùìòÇ\nØø\rÅåΔ_ΦΓΛΩΠΨΣΘΞÆæßÉ !\"#¤%&'()*+,-./0123456789:;<=>?¡ABCDEFGHIJKLMNOPQRSTUVWXYZÄÖÑܧ¿abcdefghijklmnopqrstuvwxyzäöñüà^{}[~]|€";
$textlen = mb_strlen($text);
for ($i = 0;$i < $textlen; $i++){
    if ((strpos($gsm7bitChars, $text[$i])==false) && ($text[$i]!="\\")){return false;} //strpos not able to detect \ in string
}
return true;
}

Answer 1

我在这里添加一些额外的信息，因为之前的答案不太正确。

这些是问题:

• 您需要将当前字符串编码指定为 mb_string，否则可能会错误收集
• 在 7 位 GSM 编码中，基本字符集扩展字符 (^{}\[~]|€) 每个都需要 14 位进行编码，因此每个字符算作两个字符。
• 在 UCS-2 编码中，您必须警惕 16 位 BMP 之外的表情符号和其他字符，因为...
• 带有 UCS-2 的 GSM 计算 16 位字符，因此如果您有一个 💩 字符 (U+1F4A9)，并且您的运营商和手机暗中支持 UTF-16 而不仅仅是 UCS-2，它将被编码为在 UTF-16 中代理一对 16 位字符，因此在您的字符串长度中算作两个 16 位字符。 mb_strlen 只会将其计为单个字符。

如何统计7位字符:

到目前为止我想出的是以下计算 7 位字符的方法:

// Internal encoding must be set to UTF-8,
// and the input string must be UTF-8 encoded for this to work correctly
protected function count_gsm_string($str)
{
    // Basic GSM character set (one 7-bit encoded char each)
    $gsm_7bit_basic = "@£$¥èéùìòÇ\nØø\rÅåΔ_ΦΓΛΩΠΨΣΘΞÆæßÉ !\"#¤%&'()*+,-./0123456789:;<=>?¡ABCDEFGHIJKLMNOPQRSTUVWXYZÄÖÑܧ¿abcdefghijklmnopqrstuvwxyzäöñüà";

    // Extended set (requires escape code before character thus 2x7-bit encodings per)
    $gsm_7bit_extended = "^{}\\[~]|€";

    $len = 0;

    for($i = 0; $i < mb_strlen($str); $i++) {
        $c = mb_substr($str, i, 1);
        if(mb_strpos($gsm_7bit_basic, $c) !== FALSE) {
            $len++;
        } else if(mb_strpos($gsm_7bit_extended, $c) !== FALSE) {
            $len += 2;
        } else {
            return -1; // cannot be encoded as GSM, immediately return -1
        }
    }

    return $len;
}

如何统计16位字符:

• 将字符串转换为 UTF-16 表示形式(使用 mb_convert_encoding($str, 'UTF-16', 'UTF-8') 保留表情符号字符。
• 不要转换为 UCS-2，因为使用 mb_convert_encoding 时这是有损的)
• 用 count(unpack('C*', $utf16str)) 计算字节数并除以二得到计入 GSM 多部分长度的 UCS-2 16 位字符数

*买者自负，关于计算字节数的一句话:

• 不要使用strlen 来计算字节数。虽然它可能有效，但 strlen 在具有多字节版本的 PHP 安装中经常重载，并且也是 future API 更改的候选者
• 避免 mb_strlen($str, 'UCS-2')。虽然它当前工作，并且会正确地返回 2 作为一堆 poo 字符(因为它看起来像两个 16 位 UCS-2 字符)，它的稳定伙伴 mb_convert_encoding 从 >16 位转换为 UCS-2 时有损。谁说 mb_strlen 以后不会有损？
• 避免 mb_strlen($str, '8bit')/2。它目前也可以工作，并且在 PHP 文档评论中被推荐作为一种计算字节数的方法。但 IMO 它与上述 UCS-2 技术存在相同的问题。
• 剩下最安全的当前方式 (IMO)，即解包到一个字节数组中，然后对其进行计数。

那么，这看起来像什么？

// Internal encoding must be set to UTF-8,
// and the input string must be UTF-8 encoded for this to work correctly
protected function count_ucs2_string($str)
{
    $utf16str = mb_convert_encoding($str, 'UTF-16', 'UTF-8');
    // C* option gives an unsigned 16-bit integer representation of each byte
    // which option you choose doesn't actually matter as long as you get one value per byte
    $byteArray = unpack('C*', $utf16str);
    return count($byteArray) / 2;
}

综合起来:

function multipart_count($str)
{
    $one_part_limit = 160; // use a constant i.e. GSM::SMS_SINGLE_7BIT
    $multi_limit = 153; // again, use a constant
    $max_parts = 3; // ... constant

    $str_length = count_gsm_string($str);
    if($str_length === -1) {
        $one_part_limit = 70; // ... constant
        $multi_limit = 67; // ... constant
        $str_length = count_ucs2_string($str);
    }

    if($str_length <= $one_part_limit) {
        // fits in one part
        return 1;
    } else if($str_length > ($max_parts * $multi_limit) {
        // too long
        return -1; // or throw exception, or false, etc.
    } else {
        // divide the string length by multi_limit and round up to get number of parts
        return ceil($str_length / $multi_limit);
    }
}

---

把它变成一个图书馆...

https://bitbucket.org/solvam/smstools