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。
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
}
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 10xC2-0xDF → 2 字节字符,宽度 20xE0-0xEF → 3 字节字符(常见中文),宽度 20xF0-0xF7 → 4 字节字符(Emoji 等),宽度 20xF8-0xFB → 5/6 字节字符,宽度 2循环累加宽度 $noc 直到达到 $length,最后用 substr 按字节截取。
<?php
define('CHARSET', 'UTF-8');
function cutstr($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...
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