substr() 按位元組截取,UTF-8 中文佔 3 位元組,英文 1 位元組。直接截取常導致中文字元被切半,產生亂碼(如「中」→ 「中」)。
<?php
$str = "Hello 世界";
echo mb_substr($str, 0, 6, 'UTF-8'); // Hello 世
echo mb_substr($str, 6, 2, 'UTF-8'); // 界
?>
mbstring 為核心擴展,預設啟用。<?php
function mb_substr_fallback(string $str, int $start, int $length = null, string $encoding = 'UTF-8'): string {
if (extension_loaded('mbstring')) {
return mb_substr($str, $start, $length ?? mb_strlen($str), $encoding);
}
// 簡易 UTF-8 字元邊界偵測(僅支援 BMP 平面)
$bytes = [];
$len = strlen($str);
for ($i = 0; $i < $len; ) {
$byte = ord($str[$i]);
if ($byte < 0x80) { $charLen = 1; }
elseif (($byte & 0xE0) === 0xC0) { $charLen = 2; }
elseif (($byte & 0xF0) === 0xE0) { $charLen = 3; }
elseif (($byte & 0xF8) === 0xF0) { $charLen = 4; }
else { $charLen = 1; } // 無效序列視為單字元
$bytes[] = substr($str, $i, $charLen);
$i += $charLen;
}
return implode('', array_slice($bytes, $start, $length ?? count($bytes)));
}
?>
<?php
/**
* 多位元組安全截取,支援 HTML 實體保護與省略號
*
* @param string $text 原始文字
* @param int $length 最大字元數
* @param string $suffix 省略字尾 (預設 '...')
* @param bool $htmlAware 是否保護 HTML 標籤不被截斷
* @return string
*/
function mb_truncate(string $text, int $length, string $suffix = '...', bool $htmlAware = false): string {
if (mb_strlen($text) <= $length) {
return $text;
}
if ($htmlAware) {
// 簡易 HTML 標籤保護:移除標籤後計算長度,再對應回原字串位置
// 完整方案建議使用 HTMLPurifier 或類似庫
$text = strip_tags($text);
}
$truncated = mb_substr($text, 0, $length);
// 避免截在組合字元中間(如注音符號),可加正規化
return $truncated . $suffix;
}
// 使用
echo mb_truncate("這是一段很長的中文測試文字", 10); // 這是一段很長的中...
echo mb_truncate("Hello World", 5); // Hello...
?>
Emoji、組合字元(如「é」= e + ´)視為單一顯示單位。PHP 8.1+ grapheme_substr() (intl 擴展) 正確處理:
<?php
$emoji = "👨👩👧👦 Family"; // 家庭 emoji = 多碼位組合
echo "mb_substr: " . mb_substr($emoji, 0, 1) . "\n"; // 可能只取到 👨
echo "grapheme_substr: " . grapheme_substr($emoji, 0, 1) . "\n"; // 完整 👨👩👧👦
?>
| 函數 | 編碼感知 | 速度 | 適用場景 |
|---|---|---|---|
substr | 否 (位元組) | 最快 | 純 ASCII、二進位資料 |
mb_substr | 是 | 中等 | 一般多語系文字 |
grapheme_substr | 是 (書寫字素) | 較慢 | Emoji、複雜文字渲染 |
php.ini 設定 mbstring.internal_encoding = UTF-8。mb_* 函數族。VARCHAR(255) 存 255 字元)。掌握多位元組字串處理是 PHP 國際化開發的必修課,mb_substr() 是日常最實用的工具。