UTF-8 中**一個漢字佔 3 位元組** (BMP 平面)。直接用 `substr()` 按位元組截取會**切斷字元**,產生亂碼。
/**
* UTF-8 安全截取
* @param string $str 原始字串
* @param int $start 起始位元組偏移
* @param int $length 截取位元組長度
* @return string 截取後字串
*/
function gbsubstr2($str, $start, $length) {
$length = abs($length);
$strLen = strlen($str);
$end = $start + $length;
$newStr = '';
for ($i = $start; $i < $end && $i < $strLen; $i++) {
// UTF-8 領頭位元組判斷:>= 0x80 為多位元組字元
if (ord($str[$i]) > 0x80) {
// 取 3 位元組 (BMP 字元)
$newStr .= substr($str, $i, 3);
$i += 2; // 跳過後續 2 位元組
$end += 2; // 補償結束位置
} else {
$newStr .= $str[$i]; // ASCII 單位元組
}
}
return $newStr;
}
// 需啟用 mbstring 擴充 (PHP 核心內建)
$result = mb_substr($str, $start, $length, 'UTF-8');
; php.ini
extension=mbstring
mbstring.internal_encoding = UTF-8
mbstring.http_input = UTF-8
mbstring.http_output = UTF-8
mbstring.language = Neutral
$str = '測試中文字串ABC';
echo substr($str, 0, 6); // 亂碼:切在「測」字中間
echo mb_substr($str, 0, 2); // 正確:「測試」
echo gbsubstr2($str, 0, 6); // 正確:「測試」 (6 位元組 = 2 個漢字)
**棄用自訂位元組截取函數,全面改用 `mb_*` 系列函式**。確保 `php.ini` 啟用 `mbstring` 並設定內部編碼為 UTF-8,即可正確處理中文、Emoji 及所有 Unicode 字元。