萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

Discuz! X1.5 字符串截取函数 cutstr 详解:完美支持 UTF-8 中英文混排

引言

在处理中英文混合字符串截取时,普通的 substr 会导致中文字符截断成乱码。Discuz! X1.5 提供的 cutstr 函数通过逐字节解析 UTF-8 编码特征,精确按“视觉宽度”(中文算 2,英文算 1)截取,并自动添加省略号,是早期 PHP 项目中极具参考价值的实现。

函数定义

define('CHARSET', 'UTF-8');

function cutstr($string, $length, $dot = '...') {
    if (strlen($string) <= $length) {
        return $string;
    }
    // ... 核心逻辑见下文完整代码
}

UTF-8 字节判断逻辑

函数通过检测字节高位确定字符长度:

  • 0x09(Tab)、0x0A(LF)、0x20-0x7E(ASCII 可打印) → 1 字节,宽度 1
  • 0xC2-0xDF → 2 字节字符,宽度 2
  • 0xE0-0xEF → 3 字节字符(常见中文),宽度 2
  • 0xF0-0xF7 → 4 字节字符(Emoji 等),宽度 2
  • 0xF8-0xFB → 5/6 字节字符,宽度 2

循环累加宽度 $noc 直到达到 $length,最后用 substr 按字节截取。

完整实现代码

<?php
define('CHARSET', 'UTF-8');

function cutstr($string, $length, $dot = '...') {
    if (strlen($string) <= $length) {
        return $string;
    }
    if (strtolower(CHARSET) == 'utf-8') {
        $n = $tn = $noc = 0;
        while ($n < strlen($string)) {
            $t = ord($string[$n]);
            if ($t == 9 || $t == 10 || (32 <= $t && $t <= 126)) {
                $tn = 1; $n++; $noc++;
            } elseif (194 <= $t && $t <= 223) {
                $tn = 2; $n += 2; $noc += 2;
            } elseif (224 <= $t && $t <= 239) {
                $tn = 3; $n += 3; $noc += 2;
            } elseif (240 <= $t && $t <= 247) {
                $tn = 4; $n += 4; $noc += 2;
            } elseif (248 <= $t && $t <= 251) {
                $tn = 5; $n += 5; $noc += 2;
            } elseif ($t == 252 || $t == 253) {
                $tn = 6; $n += 6; $noc += 2;
            } else {
                $n++;
            }
            if ($noc >= $length) {
                break;
            }
        }
        if ($noc > $length) {
            $n -= $tn;
        }
        $strcut = substr($string, 0, $n);
    } else {
        // 非 UTF-8 环境(如 GBK)简易处理
        for ($i = 0; $i < $length; $i++) {
            $strcut .= ord($string[$i]) > 127 ? $string[$i] . $string[++$i] : $string[$i];
        }
    }
    // 过滤可能残留的控制字符
    $pos = strrpos($strcut, chr(1));
    if ($pos !== false) {
        $strcut = substr($strcut, 0, $pos);
    }
    return $strcut . $dot;
}

// 测试
$string = '测试数据库ablci102020@(#)!)!测试劳动力ddk';
echo cutstr($string, 15); // 输出:测试数据库ablci1020...

现代替代方案

PHP 5.4+ 推荐使用 mb_substr / mb_strimwidth(需开启 mbstring 扩展),它们原生支持多字节编码,代码更简洁健壮:

// 等效现代写法
echo mb_strimwidth($string, 0, 15 * 2, '...', 'UTF-8'); // 注意宽度单位差异
copyright © 萬盛學電腦網 all rights reserved