PHP 內建 str_split 按字節分割,對多字節編碼(UTF-8 中文 3 字節)會產生殘缺字符導致亂碼。本文提供兩個基於 mbstring 的正確實現:mbStrSplit(while 循環截取)與 str_split_unicode(for 循環 + mb_substr),並對比輸出效果。
function mbStrSplit(string $string, int $len = 1): array {
$result = [];
$encoding = 'UTF-8';
$strlen = mb_strlen($string, $encoding);
for ($i = 0; $i < $strlen; $i += $len) {
$result[] = mb_substr($string, $i, $len, $encoding);
}
return $result;
}
修正原文邏輯錯誤:原代碼在循環中修改 $string 導致索引錯位,改為固定原字符串按偏移量截取。
function str_split_unicode(string $str, int $l = 0): array {
if ($l <= 0) return preg_split('//u', $str, -1, PREG_SPLIT_NO_EMPTY); // 單字符分割
$len = mb_strlen($str, 'UTF-8');
$ret = [];
for ($i = 0; $i < $len; $i += $l) {
$ret[] = mb_substr($str, $i, $l, 'UTF-8');
}
return $ret;
}
$s = '還未如願sss見gfg者不rtret不朽';
print_r(str_split($s, 5)); // 內建按字節,產生亂碼
/* Array(
[0] => 還
[1] => 如
[2] => sss
[3] => 見gf
[4] => g者
[5] => rtr
[6] => et不
[7] => 朽
) */
print_r(str_split_unicode($s, 5)); // 正確按字符
/* Array(
[0] => 還未如願s
[1] => ss見gf
[2] => g者不rt
[3] => ret不朽
) */
| 指標 | mbStrSplit (while) | str_split_unicode (for) | preg_split //u |
|---|---|---|---|
| 邏輯正確性 | 修正後正確 | ✓ 正確 | ✓ 單字符正確 |
| 執行速度 | 較慢(重複 mb_strlen) | ✓ 快 | 極慢(正則開銷) |
| 記憶體 | 同級 | 同級 | 較高 |
| 適用場景 | 教學演示 | 生產推薦 | 單字符分割 |
中文全角字符視覺寬度約為英文半角 2 倍。若需按顯示寬度分割(如終端表格、PDF 布局),需引入 mb_strwidth / grapheme_strlen 並處理組合字符(Emoji、變體選擇器)。推薦使用 grapheme_* 系列函數(PHP 7.0+)按書寫字素簇分割,最符合用戶直觀認知。
總結:多字節字符串分割必須使用 mbstring 函數,str_split_unicode 為通用最優解;單字符分割用 preg_split('//u') 或 grapheme_str_split()(PHP 8.4+)。