substr() 按位元組截取,中文(UTF-8 佔 3 位元組、GBK 佔 2 位元組)常在截斷點產生亂碼。
/**
* 多位元組安全截取,超出長度以 ... 結尾
* @param string $str 原字串
* @param int $len 最大字元數(非位元組)
* @return string
*/
function getsubstring($str, $len) {
$result = '';
$count = 0;
$strlen = strlen($str);
for ($i = 0; $i < $strlen; $i++) {
if ($count >= $len) break;
$char = $str[$i];
$ord = ord($char);
// 判斷是否為多位元組字元(中文等)
if ($ord > 0xA1) { // GBK/Big5 範圍,UTF-8 需改判斷邏輯
// 雙位元組字元
if ($i + 1 < $strlen) {
$result .= $str[$i] . $str[$i+1];
$i++; // 跳過下一位元組
}
} else {
// 單位元組字元(ASCII)
$result .= $char;
}
$count++;
}
// 若原字串較長,加上省略號
if ($strlen > $i) {
$result .= '...';
}
return $result;
}
PHP mbstring 擴展提供原生多位元組支援:
// 確保 php.ini 啟用 extension=mbstring
mb_internal_encoding('UTF-8'); // 設定內部編碼
$str = "你好世界 Hello World";
// 截取前 6 個字元
echo mb_substr($str, 0, 6, 'UTF-8'); // 輸出:你好世界
// 封裝函數
function mb_truncate($str, $len, $suffix = '...', $encoding = 'UTF-8') {
if (mb_strlen($str, $encoding) <= $len) return $str;
return mb_substr($str, 0, $len, $encoding) . $suffix;
}
| 編碼 | 中文位元組數 | 特徵值範圍 |
|---|---|---|
| UTF-8 | 3 | 首位元組 0xE0-0xEF |
| GBK/GB2312 | 2 | 首位元組 0x81-0xFE |
| Big5 | 2 | 首位元組 0x81-0xFE |
原代碼 ord($char) > 0xA1 適用於 GBK/Big5,UTF-8 環境會誤判。
function getsubstring_utf8($str, $len) {
$result = '';
$count = 0;
$strlen = strlen($str);
for ($i = 0; $i < $strlen; $i++) {
if ($count >= $len) break;
$ord = ord($str[$i]);
$charLen = 1;
if ($ord >= 0xF0) $charLen = 4; // 4-byte UTF-8
elseif ($ord >= 0xE0) $charLen = 3; // 3-byte UTF-8 (中文)
elseif ($ord >= 0xC0) $charLen = 2; // 2-byte UTF-8
if ($i + $charLen <= $strlen) {
$result .= substr($str, $i, $charLen);
$i += $charLen - 1;
} else {
break; // 不完整字元
}
$count++;
}
if ($i < $strlen) $result .= '...';
return $result;
}
mb_substr()/mb_strlen():標準、可靠、支援所有編碼php.ini 啟用 extension=mbstring