PHP UTF-8字符串截断函数实现中文字符的无乱码截断
PHP内置的substr()函数不能对中文字符进行很好的截断处理，对于一些中英文混合的字符会出现乱码的情况。下面提供两种解决函数。
1、GB2312编码方式的截断、
1 function msubstr($str, $start, $len) { 2 3 if (strlen($str)-$start < $len) return false; 4 5 $tmpstr = ""; 6 7 $strlen = $start + $len; 8 9 for($i = 0; $i < $strlen; $i++) { 10 11 if(ord(substr($str, $i, 1)) > 0xa0) { //0xa0 表示中文汉字编码的第一个编码字符ASCII 码值都大于0xa0 12 13 $tmpstr .= substr($str, $i, 2); 14 15 $i++; 16 17 } else 18 19 $tmpstr .= substr($str, $i, 1); 20 21 } 22 23 return $tmpstr . "..."; 24 25 }
2、utf8格式下的中文字符截断
UTF-8编码的字符可能由1~3个字节组成， 具体数目可以由第一个字节判断出来。(理论上可能更长，但这里假设不超过3个字节)
第一个字节大于224的，它与它之后的2个字节一起组成一个UTF-8字符
第一个字节大于192小于224的，它与它之后的1个字节组成一个UTF-8字符
否则第一个字节本身就是一个英文字符（包括数字和一小部分标点符号）。
1 //$sourcestr 是要处理的字符串 2 3 //$cutlength 为截取的长度(即字数) 4 5 function cut_str($sourcestr,$cutlength) 6 7 { 8 9 $returnstr=''; 10 11 $i=0; 12 13 $n=0; 14 15 $str_length=strlen($sourcestr);//字符串的字节数 16 17 while (($n<$cutlength) and ($i<=$str_length)) 18 19 { 20 21 $temp_str=substr($sourcestr,$i,1); 22 23 $ascnum=Ord($temp_str);//得到字符串中第$i位字符的ascii码 24 25 if ($ascnum>=224) //如果ASCII位高与224， 26 27 { 28 29 $returnstr=$returnstr.substr($sourcestr,$i,3); //根据UTF-8编码规范，将3个连续的字符计为单个字符 30 31 $i=$i+3; //实际Byte计为3 32 33 $n++; //字串长度计1 34 35 } 36 37 elseif ($ascnum>=192) //如果ASCII位高与192， 38 39 { 40 41 $returnstr=$returnstr.substr($sourcestr,$i,2); //根据UTF-8编码规范，将2个连续的字符计为单个字符 42 43 $i=$i+2; //实际Byte计为2 44 45 $n++; //字串长度计1 46 47 } 48 49 elseif ($ascnum>=65 && $ascnum<=90) //如果是大写字母， 50 51 { 52 53 $returnstr=$returnstr.substr($sourcestr,$i,1); 54 55 $i=$i+1; //实际的Byte数仍计1个 56 57 $n++; //但考虑整体美观，大写字母计成一个高位字符 58 59 } 60 61 else //其他情况下，包括小写字母和半角标点符号， 62 63 { 64 65 $returnstr=$returnstr.substr($sourcestr,$i,1); 66 67 $i=$i+1; //实际的Byte数计1个 68 69 $n=$n+0.5; //小写字母和半角标点等与半个高位字符宽... 70 71 } 72 73 } 74 75 if ($str_length>$cutlength){ 76 77 $returnstr = $returnstr . "...";//超过长度时在尾处加上省略号 78 79 } 80 81 return $returnstr; 82 83 }
参考：http://bupt-roy.iteye.com/blog/1179016
http://imluren.com/2011/04/php-utf8-substr.html/comment-page-1
