在 PHP 開發中,處理中文字串截取一直是個令人頭疼的問題。因為中文字元在不同編碼下佔用的位元組數不同(如 UTF-8 佔 3 位元組,GBK/Big5 佔 2 位元組),直接使用 substr() 會導致亂碼或截斷半個字元。本文提供一套完整的中文字串截取函式庫,自動偵測編碼並正確處理多位元組字元。
cn_substr()這是主要對外介面,會根據全域變數 $cfg_soft_lang 自動判斷編碼並分派處理:
function cn_substr($str, $slen, $startdd = 0) {
global $cfg_soft_lang;
if ($cfg_soft_lang == 'utf-8') {
return cn_substr_utf8($str, $slen, $startdd);
}
// ... GBK/Big5 處理邏輯
}
針對雙位元組編碼,採用逐位元組檢查的方式:
ord() 判斷位元組是否大於 0x80(即為中文字元的第一個位元組)cn_substr_utf8()利用正則 /./su 將字串拆解為單一字元陣列,再按位元組長度累加截取:
preg_match_all("/./su", $str, $ar);
// 遍歷陣列,累計位元組長度直到達到指定長度
特別說明:為相容 MySQL 4.1 以下版本的 VARCHAR 位元組語意,此處採用「按位元組截取」而非「按字元數截取」。
cn_substrR()處理含反斜線的輸入資料:
function cn_substrR($str, $slen, $startdd = 0) {
$str = cn_substr(stripslashes($str), $slen, $startdd);
return addslashes($str);
}
$cfg_soft_lang = 'utf-8';
$title = "這是一個很長的中文標題需要截取";
echo cn_substr($title, 10); // 輸出:這是一個很長的中...
$cfg_soft_lang 必須正確設定為 'utf-8'、'gbk' 或 'big5'$slen 代表位元組數,非字元數$startdd 同樣以位元組為單位PHP 5.4+ 可直接使用 mb_substr() 或 mb_strimwidth(),支援指定編碼且更簡潔:
// 現代寫法
echo mb_substr($str, 0, 10, 'UTF-8'); // 按字元數截取
echo mb_strimwidth($str, 0, 30, '...', 'UTF-8'); // 含省略號
但若維護舊專案或無法安裝 mbstring 擴展,本函式庫仍是可靠選擇。