substr() 按位元組截取,中文 UTF-8 佔 3 位元組會導致亂碼;mb_substr() 需 mbstring 擴充套件。本文提供無相依、支援 UTF-8/GBK、保護 HTML 實體不被截斷的純 PHP 實作。
<?php
/**
* 多位元組安全截取字串 (支援 UTF-8/GBK)
*
* @param string $string 待截取字串
* @param int $length 目標長度 (中文字算 2、英文數字算 1)
* @param string $suffix 截斷後綴 (預設 '...')
* @param string $charset 編碼 (預設 UTF-8)
* @return string 截取後字串
*/
function mbCutStr($string, $length, $suffix = '...', $charset = 'UTF-8') {
$charset = strtoupper($charset);
$len = strlen($string);
// 長度足夠直接返回
if ($len <= $length) return $string;
// 保護 HTML 實體 (& " < > 等)
$entities = [];
$string = preg_replace_callback('/&([a-zA-Z0-9#]+);/', function($m) use (&$entities) {
$placeholder = "\x00" . count($entities) . "\x00";
$entities[] = $m[0];
return $placeholder;
}, $string);
$result = '';
$current_len = 0;
$i = 0;
if ($charset === 'UTF-8') {
// UTF-8 位元組判斷邏輯
while ($i < $len && $current_len < $length) {
$byte = ord($string[$i]);
// ASCII (0-127): 1 byte, 寬度 1
if ($byte <= 127) {
$char_len = 1;
$char_width = 1;
}
// 2 bytes (192-223): 寬度 2
elseif ($byte < 224) {
$char_len = 2; $char_width = 2;
}
// 3 bytes (224-239): 中日韓文字,寬度 2
elseif ($byte < 240) {
$char_len = 3; $char_width = 2;
}
// 4 bytes (240-247): Emoji/罕用字,寬度 2
elseif ($byte < 248) {
$char_len = 4; $char_width = 2;
}
// 5/6 bytes (極少見)
else {
$char_len = ($byte < 252) ? 5 : 6;
$char_width = 2;
}
// 檢查是否超過長度
if ($current_len + $char_width > $length) break;
$result .= substr($string, $i, $char_len);
$current_len += $char_width;
$i += $char_len;
}
} else {
// GBK/Big5: 簡易雙位元組判斷 (高位元組 > 127)
for ($i = 0; $i < $len && $current_len < $length; $i++) {
$byte = ord($string[$i]);
if ($byte > 127) { // 雙位元組字元
if ($i + 1 >= $len) break; // 截斷保護
if ($current_len + 2 > $length) break;
$result .= $string[$i] . $string[$i+1];
$current_len += 2;
$i++;
} else { // ASCII
if ($current_len + 1 > $length) break;
$result .= $string[$i];
$current_len += 1;
}
}
}
// 還原 HTML 實體
$result = str_replace(
array_map(fn($i) => "\x00$i\x00", array_keys($entities)),
$entities,
$result
);
// 移除結尾可能殘留的半個實體佔位符
$result = preg_replace('/\x00\d+\x00$/', '', $result);
return $result . ($current_len < $len ? $suffix : '');
}
// 別名相容
function cutstr($string, $length, $dot = '...') {
return mbCutStr($string, $length, $dot, 'UTF-8');
}
<?php
$tests = [
'純中文測試內容',
'中英混合 Test 內容',
'包含實體 & <div> "引號" 的字串',
'Emoji 測試 😀🎉👍 符號',
'短字串',
'', // 空字串
];
foreach ($tests as $t) {
echo "原始: [$t]\n";
echo "截取: [" . mbCutStr($t, 10) . "]\n";
echo "截取: [" . mbCutStr($t, 20) . "]\n";
echo "---\n";
}
原始: [純中文測試內容] 截取: [純中文測試...] 截取: [純中文測試內容] 原始: [中英混合 Test 內容] 截取: [中英混合 Te...] 截取: [中英混合 Test 內容] 原始: [包含實體 & <div> "引號" 的字串] 截取: [包含實體 & <div>...] 截取: [包含實體 & <div> "引號" 的字串] 原始: [Emoji 測試 😀🎉👍 符號] 截取: [Emoji 測試 😀...] 截取: [Emoji 測試 😀🎉👍 符號]
| 函式 | 需求擴充套件 | 中文寬度計算 | HTML實體保護 | Emoji支援 | 效能 |
|---|---|---|---|---|---|
| substr | 無 | ❌ 位元組級 | ❌ | ❌ | 最快 |
| mb_substr | mbstring | ✅ 字元級 (皆算1) | ❌ | ✅ | 快 |
| mb_strimwidth | mbstring | ✅ 可指定寬度 | ❌ | ✅ | 快 |
| 本文函式 | 無 | ✅ 中文2/英1 | ✅ | ✅ | 中等 |
Unicode 定義字元東亞寬度屬性 (Fullwidth/Halfwidth/Wide/Narrow/Neutral/Ambiguous)。精確對齊需查表:
<?php
// 簡易版:常見全形範圍判斷
function getCharWidth($char) {
$code = mb_ord($char, 'UTF-8');
// 控制字元
if ($code < 32 || ($code >= 127 && $code <= 159)) return 0;
// 全形範圍 (主要中日韓)
if (
($code >= 0x1100 && $code <= 0x115F) || // Hangul Jamo
($code >= 0x2E80 && $code <= 0xA4CF) || // CJK Radicals .. Yi
($code >= 0xAC00 && $code <= 0xD7A3) || // Hangul Syllables
($code >= 0xF900 && $code <= 0xFAFF) || // CJK Compatibility
($code >= 0xFE10 && $code <= 0xFE1F) || // Vertical Forms
($code >= 0xFE30 && $code <= 0xFE6F) || // CJK Compatibility Forms
($code >= 0xFF00 && $code <= 0xFF60) || // Fullwidth Forms
($code >= 0xFFE0 && $code <= 0xFFE6) // Fullwidth Symbols
) return 2;
// Ambiguous 字元 (視語系而定,中文環境通常按全形處理)
// 0x00A1-0x00FF, 0x0100-0x024F, 0x2000-0x206F 等
return 1; // 半形
}
// 使用 mb_strimwidth (PHP 5.4+,需 mbstring)
echo mb_strimwidth($string, 0, 20, '...', 'UTF-8');
{{-- Laravel Blade --}}
{{ Str::limit($post->content, 100, '...') }}
{{-- ThinkPHP 模板 --}}
{$post.content|msubstr=0,100,'utf-8',true}
{{-- 自訂模板函式 --}}
{$content|mbCutStr:50:'...':'UTF-8'}
mb_strimwidth() 或 mb_substr(),效能最佳east-asian-width 查表庫 (如 voku/portable-utf8)strip_tags() 再截取