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

PHP mb_substr 完美截取中英混合字串不亂碼(支援 UTF-8/GBK/Big5)

PHP 內建 substr 按位元組截取,中文字元在 UTF-8 佔 3 位元組、GBK/Big5 佔 2 位元組,直接使用會導致亂碼。mb_substr 以字元為單位運作,配合正確編碼參數即可完美解決。

基本語法

mb_substr(string $string, int $start, ?int $length = null, ?string $encoding = null): string

$encoding 省略時預設使用 mb_internal_encoding(),強烈建議明確指定避免環境差異導致錯誤。

編碼別實戰範例

UTF-8(現代專案標準)

<?php
$str = '我abc是誰'; // UTF-8
echo mb_substr($str, 0, 2, 'UTF-8'); // 輸出:我a
echo mb_substr($str, 2, 3, 'UTF-8'); // 輸出:bc是

GBK(繁體中文舊系統常見)

<?php
$str = '我是誰'; // GBK 編碼檔案
echo mb_substr($str, 0, 1, 'GBK'); // 輸出:我

Big5(繁體中文經典編碼)

<?php
$str = '測試字串'; // Big5
echo mb_substr($str, 0, 2, 'Big5'); // 輸出:測試

進階:不確定編碼時的自動偵測策略

<?php
function safeMbSubstr(string $str, int $start, int $length, array $encodings = ['UTF-8', 'GBK', 'Big5']): string {
    foreach ($encodings as $enc) {
        if (mb_check_encoding($str, $enc)) {
            return mb_substr($str, $start, $length, $enc);
        }
    }
    // 兜底:嘗試 UTF-8 並忽略錯誤字元
    return mb_substr($str, $start, $length, 'UTF-8');
}

注意:mb_check_encoding 僅能驗證位元組序列是否合法,無法 100% 區分 GBK/Big5,實務上建議統一專案編碼為 UTF-8,避免混用編碼。

環境一致性檢查清單

  1. PHP 檔案儲存編碼 = UTF-8(無 BOM)
  2. HTML 輸出 <meta charset="UTF-8">
  3. 資料庫連線 SET NAMES utf8mb4
  4. php.ini 設定 default_charset = "UTF-8"、mbstring.internal_encoding = UTF-8

常見錯誤與修正

錯誤代碼問題修正
substr($str, 0, 2)按位元組截斷中文字元改用 mb_substr($str, 0, 2, 'UTF-8')
mb_substr($str, 0, 2)未指定編碼,依賴 mbstring.internal_encoding明確傳入 'UTF-8'
檔案為 GBK 但傳 'UTF-8'位元組序列不合法導致截斷/亂碼傳入正確編碼 'GBK' 或先 iconv('GBK', 'UTF-8', $str)
copyright © 萬盛學電腦網 all rights reserved