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 中文字串截取完整解決方案:支援 UTF-8、GBK 等編碼

前言

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。

核心函式說明

1. 統一入口函式 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
}

2. GBK/Big5 編碼處理

針對雙位元組編碼,採用逐位元組檢查的方式:

  • 使用 ord() 判斷位元組是否大於 0x80(即為中文字元的第一個位元組)
  • 若是中文字元,連同下一個位元組一起處理
  • 精確控制截取長度,避免截斷雙位元組字元

3. UTF-8 編碼處理 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」。

4. 針對 Request 資料的包裝 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);
}

使用範例

$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...

注意事項

  1. 全域變數 $cfg_soft_lang 必須正確設定為 'utf-8'、'gbk' 或 'big5'
  2. 截取長度參數 $slen 代表位元組數,非字元數
  3. 起始位置 $startdd 同樣以位元組為單位
  4. UTF-8 模式下會保留完整字元,不會產生截半字元的亂碼

現代替代方案

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。

copyright © 萬盛學電腦網 all rights reserved