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 中文截取函數:解決 substr 亂碼的 getsubstring 實作

問題背景

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。

解決方案:按字元截取並補全

/**
 * 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;
}

現代更好解法:mb_substr

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;
}

編碼判斷邏輯差異

編碼中文位元組數特徵值範圍
UTF-83首位元組 0xE0-0xEF
GBK/GB23122首位元組 0x81-0xFE
Big52首位元組 0x81-0xFE

原代碼 ord($char) > 0xA1 適用於 GBK/Big5,UTF-8 環境會誤判。

完整 UTF-8 版 getsubstring

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;
}

總結建議

  1. 優先使用 mb_substr()/mb_strlen():標準、可靠、支援所有編碼
  2. 確認 php.ini 啟用 extension=mbstring
  3. 專案統一使用 UTF-8,資料庫、HTML、PHP 檔案編碼一致
  4. 避免手寫位元組判斷邏輯,除非極特殊環境無 mbstring
copyright © 萬盛學電腦網 all rights reserved