中文字串在 UTF-8 編碼下每字佔 **3 位元組**,GBK/Big5 佔 **2 位元組**。使用 substr() 按位元組截取會導致「半個中文字」截斷,產生亂碼 () 或截斷字元。正確做法必須按**字元**而非位元組計算。
<?php
// 確保 mbstring 擴充已啟用
mb_internal_encoding('UTF-8'); // 設定預設編碼
$str = "你好世界,Hello World!";
// 截取前 6 個字元
echo mb_substr($str, 0, 6, 'UTF-8'); // 你好世界
// 從第 3 個字元開始取 4 個
echo mb_substr($str, 3, 4, 'UTF-8'); // 界,Hel
// 負數起始:從倒數第 4 個字元開始
echo mb_substr($str, -4, 4, 'UTF-8'); // World!
// 省略長度:從開始到結尾
echo mb_substr($str, 10, null, 'UTF-8'); // Hello World!
<?php
// mb_strimwidth(string $string, int $start, int $width, string $trimMarker = "", string $encoding = mb_internal_encoding()): string
// $width 為「顯示寬度」:ASCII=1,中文/全形=2
$str = "這是一段測試文字 Hello World";
// 寬度 20 (約 10 個中文或 20 個英文)
echo mb_strimwidth($str, 0, 20, '...', 'UTF-8');
// 輸出: 這是一段測試文...
// 對比 mb_substr (按字元數)
echo mb_substr($str, 0, 10, 'UTF-8') . '...';
// 輸出: 這是一段測試文字 H... (10 字元含英文)
適用:列表頁標題、摘要、固定寬度排版。**注意**:寬度計算中文=2、英文=1,非字元數。
<?php
function utf8Substr($str, $start, $length = null)
{
// 匹配合法 UTF-8 字元序列 (1-4 位元組)
$pattern = '/[\x00-\x7F]|[\xC0-\xDF][\x80-\xBF]|[\xE0-\xEF][\x80-\xBF]{2}|[\xF0-\xF7][\x80-\xBF]{3}/';
preg_match_all($pattern, $str, $matches);
$chars = $matches[0];
if ($length === null) {
$slice = array_slice($chars, $start);
} else {
$slice = array_slice($chars, $start, $length);
}
return implode('', $slice);
}
// 測試
$str = "測試中文 English 😀";
echo utf8Substr($str, 0, 5); // 測試中文 E
echo utf8Substr($str, 3); // 文 English 😀
<?php
// 需安裝 intl 擴充: pecl install intl
// 處理「使用者感知字元」: 如 "e\u0301" (é 組合字元)、旗幟 Emoji 🇹🇼 (兩碼位)、膚色修飾符
$str = "e\u0301"; // é (e + 重音符)
echo "mb_strlen: " . mb_strlen($str, 'UTF-8') . "\n"; // 2 (兩個碼位)
echo "grapheme_strlen: " . grapheme_strlen($str) . "\n"; // 1 (一個視覺字元)
$emoji = "👨👩👧👦"; // 家庭 Emoji (ZWJ 序列)
echo "mb_strlen: " . mb_strlen($emoji, 'UTF-8') . "\n"; // 7 (多個碼位)
echo "grapheme_strlen: " . grapheme_strlen($emoji) . "\n"; // 1
// 截取
echo grapheme_substr($emoji, 0, 1); // 👨👩👧👦 (完整保留)
echo mb_substr($emoji, 0, 3, 'UTF-8'); // 👨 (截斷,顯示異常)
<?php
class Str
{
/**
* 智慧型截取
* @param string $string 原始字串
* @param int $length 最大長度 (字元數)
* @param string $suffix 省略符號
* @param string $encoding 編碼
* @param bool $byWidth 是否按顯示寬度 (中文=2, 英文=1)
*/
public static function truncate(
string $string,
int $length,
string $suffix = '...',
string $encoding = 'UTF-8',
bool $byWidth = false
): string {
if ($byWidth) {
return mb_strimwidth($string, 0, $length, $suffix, $encoding);
}
if (mb_strlen($string, $encoding) <= $length) {
return $string;
}
return mb_substr($string, 0, $length, $encoding) . $suffix;
}
/**
* 截取並保證不斷詞 (依空格/標點)
*/
public static function truncateWords(string $string, int $maxWords, string $suffix = '...'): string
{
$words = preg_split('/\s+/u', $string, -1, PREG_SPLIT_NO_EMPTY);
if (count($words) <= $maxWords) return $string;
return implode(' ', array_slice($words, 0, $maxWords)) . $suffix;
}
/**
* 移除 Emoji (可選)
*/
public static function removeEmoji(string $string): string
{
return preg_replace('/[\xF0-\xF7][\x80-\xBF]{3}/', '', $string);
}
}
// 使用
$text = "這是一個很長的標題內容,包含英文 English 和 Emoji 😀😁";
echo Str::truncate($text, 15); // 這是一個很長的標題內容,包含英...
echo Str::truncate($text, 30, '...', 'UTF-8', true); // 按寬度 30
echo Str::truncateWords($text, 8); // 這是一個很長的標題內容,包含英文...
<?php
// 檢測字串編碼
$encoding = mb_detect_encoding($str, ['UTF-8', 'GBK', 'BIG5', 'ASCII'], true);
// 轉換編碼 (如舊系統 GBK 轉 UTF-8)
$utf8Str = mb_convert_encoding($gbkStr, 'UTF-8', 'GBK');
// 確保資料庫連線編碼一致
// PDO: charset=utf8mb4
// mysqli: $mysqli->set_charset('utf8mb4');
| 錯誤做法 | 問題 | 正確做法 |
|---|---|---|
| substr($str, 0, 10) | UTF-8 中文斷碼 | mb_substr($str, 0, 10, 'UTF-8') |
| strlen($str) 判斷長度 | 回傳位元組數非字元數 | mb_strlen($str, 'UTF-8') |
| 未指定 encoding 參數 | 依賴 mb_internal_encoding,跨環境不一致 | 明確傳遞 'UTF-8' |
| 直接操作含 Emoji 字串 | mb_* 視為多字元,grapheme_* 視為單字元 | 視需求選擇:顯示用 grapheme,儲存用 mb |
| strpos/strrpos 找中文位置 | 回傳位元組位移,非字元索引 | mb_strpos/mb_strrpos |
處理中文字串截取,**首選 mb_substr** 搭配明確編碼參數。需要固定顯示寬度用 mb_strimwidth,處理複合字元/Emoji 用 grapheme_* (需 intl)。封裝通用工具類統一專案風格,並建立編碼檢測與轉換機制,從源頭杜絕亂碼。