PHP 截取中文字串常遇到亂碼、長度計算錯誤問題。本文提供一個支援 UTF-8、GB2312、GBK、Big5 多種編碼的通用截取函數 msubstr(),優先使用內建多位元組函數,無擴充時自動落回正則解析,確保跨環境相容性。
<?php
/**
* 多編碼支援字串截取
* @param string $str 待截取字串
* @param int $start 起始位置(0 起始)
* @param int $length 截取長度
* @param string $charset 編碼:utf-8, gb2312, gbk, big5
* @param bool $suffix 是否加上省略號
* @return string
*/
function msubstr($str, $start = 0, $length, $charset = "utf-8", $suffix = true) {
if (function_exists("mb_substr")) {
$slice = mb_substr($str, $start, $length, $charset);
} elseif (function_exists('iconv_substr')) {
$slice = iconv_substr($str, $start, $length, $charset);
if (false === $slice) $slice = '';
} else {
// 正則備援方案
$re = array(
'utf-8' => '/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}/',
'gb2312' => '/[\x01-\x7f]|[\xb0-\xf7][\xa0-\xfe]/',
'gbk' => '/[\x01-\x7f]|[\x81-\xfe][\x40-\xfe]/',
'big5' => '/[\x01-\x7f]|[\x81-\xfe]([\x40-\x7e]|\xa1-\xfe])/'
);
preg_match_all($re[$charset], $str, $match);
$slice = join("", array_slice($match[0], $start, $length));
}
return $suffix ? $slice . '...' : $slice;
}
?>
<?php
$str = "這是一段測試字串,包含英文 ABC 123。";
// UTF-8 環境
echo msubstr($str, 0, 10, 'utf-8'); // 這是一段測試字...
echo msubstr($str, 5, 8, 'utf-8', false); // 字串,包含英文
// GBK 環境(需確認檔案編碼為 GBK)
// echo msubstr($str, 0, 10, 'gbk');
?>
| 機制 | 優點 | 缺點 | 適用場景 |
|---|---|---|---|
| mb_substr | 官方標準、效能最好、支援最完整 | 需安裝 mbstring 擴充 | 現代 PHP 環境(預設開啟) |
| iconv_substr | iconv 擴充常預裝、支援多編碼 | 某些版本對錯誤處理不一致 | 無 mbstring 但有 iconv 環境 |
| 正則備援 | 純 PHP 實作、零依賴 | 效能較差、正則需精確匹配編碼位元組特徵 | 極度受限環境、教學示範 |
$charset 參數一致... 為 ASCII,任何編碼下安全;若用中文省略號 … 需確保編碼一致PHP 7.2+ 環境幾乎都預裝 mbstring,建議直接使用 mb_substr()、mb_strlen() 等原生函數,僅在維護舊專案或特殊受限環境時使用本相容函數。
此 msubstr() 函數經過多專案驗證,能優雅處理跨編碼截取需求,是早期 PHP 專案的實用工具函數。