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。
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。
<?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
<?php
$str = '我是誰'; // GBK 編碼檔案
echo mb_substr($str, 0, 1, 'GBK'); // 輸出:我
<?php
$str = '測試字串'; // Big5
echo mb_substr($str, 0, 2, 'Big5'); // 輸出:測試
<?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, $length, 'UTF-8');
}
注意:mb_check_encoding 僅能驗證位元組序列是否合法,無法 100% 區分 GBK/Big5,實務上建議統一專案編碼為 UTF-8,避免混用編碼。
<meta charset="UTF-8">SET NAMES utf8mb4php.ini 設定 default_charset = "UTF-8"、mbstring.internal_encoding = UTF-8| 錯誤代碼 | 問題 | 修正 |
|---|---|---|
substr($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) |