php截取中文问题

前续：本文来自于网络文章整理，仅供参考，欢迎纠错指正。

在PHP程序开发过程中，经常会执行字符串的截取操作，比如输出信息列表时，标题不宜过长，打印文章摘要时，也要执行一系列的字符串截取操作。

php函数：

1、substr截取中文时经常会出现乱码，因为utf-8下汉字是3字节的，如果截取长度正好是3的倍数应该不会出现乱码，可是如果你要截取的字符串中有空格，或者其他字符（比如 “ ”），也会出现乱码。

　　注意：substr按字节截取

　　还有人指出：substr($str, 0, 30).chr(0);//可以防止中文乱码

　　chr(0)不是null ，null是什么都没有，而chr(0)的值是0。表示成16进制是0x00，表示成二进制是00000000 ，虽然chr(0)不会显示出什么，但是他是一个字符。 当汉字被截断时，根据编码规则他总是要把后边的其他字符拉过来一起作为汉字解释，这就是出现乱码的原因。而值为0x81到0xff与0x00组合始终都显示为“空” 根据这一特点，在substr的结果后面补上一个chr(0)，就可以防止出现乱码了。（但亲身试了一下好像没效果）

2、使用mbstring扩展库的mb_substr和mb_strcut截取就不会出现乱码了，需要在php.ini中打开php_mbstring.dll。

　　注意：mb_substr 按字符截取，而mb_strcut() 按字节数截取

3、PHP5开始，iconv_substr函数随之出现。

　　注意：iconv_substr按字符截取

4、自定义函数，都大同小异，效率不高。

　　函数的核心关键在于 通过判断 截多少个字节上

下面是搜罗来的一些方法：

方法一：

    function cut_substr($string, $beginIndex, $length){
        if(strlen($string) < $length){
            return substr($string, $beginIndex);
        }
         //ord() 函数返回字符串的首个字符的 ASCII 值
        $char = ord($string[$beginIndex + $length - 1]);
        if($char >= 224 && $char <= 239){
            $str = substr($string, $beginIndex, $length - 1);
            return $str;
        }
     
        $char = ord($string[$beginIndex + $length - 2]);
        if($char >= 224 && $char <= 239){
            $str = substr($string, $beginIndex, $length - 2);
            return $str;
        }
     
        return substr($string, $beginIndex, $length);
    }

 

方法二：

    function utf8_substr($str,$len){  
        if($len<0){  
            return '';  
        }  
        $res = '';  
        $offset = 0;  
        $chars = 0;  
        $count = 0;  
        $length = strlen($str);//待截取字符串的字节数  
        while($chars<$len && $offset<$length){  
            $high = decbin(ord(substr($str,$offset,1)));//先截取客串的一个字节，substr按字节进行截取  
            //重要突破，已经能够判断高位字节  
            if(strlen($high)<8){//英文字符ascii编码长度为7，通过长度小于8来判断  
                $count = 1; // echo 'hello,I am in','<br>';  
            }elseif (substr($high,0,3) == '110') {  
                $count = 2; //取两个字节的长度  
            }elseif (substr($high,0,4) == '1110') {  
                $count = 3; //取三个字节的长度  
            }elseif (substr($high,0,5) == '11110') {  
                $count = 4;  
      
            }elseif (substr($high,0,6) == '111110') {  
                $count = 5;  
            }elseif(substr($high,0,7)=='1111110'){  
                $count = 6;  
            }  
            $res .= substr($str,$offset,$count);  
            $chars +=1;  
            $offset += $count;  
        }
        return $res;  
    }

方法三：

　　function substr_UTF8($str, $start, $lenth){
        $len = strlen($str);
        $r = array();
        $n = 0;
        $m = 0;
        for($i = 0; $i < $len; $i++) {
            $x = substr($str, $i, 1);
            $a  = base_convert(ord($x), 10, 2);
            $a = substr('00000000'.$a, -8);            
            if ($n<$start){
                if (substr($a, 0, 1) == 0) {
                }elseif (substr($a, 0, 3) == 110) {
                    $i += 1;
                }elseif (substr($a, 0, 4) == 1110) {
                    $i += 2;
                }
                $n++;
            }else{
                if (substr($a, 0, 1) == 0) {
                    $r[] = substr($str, $i, 1);
                }elseif (substr($a, 0, 3) == 110) {
                    $r[] = substr($str, $i, 2);
                    $i += 1;
                }elseif (substr($a, 0, 4) == 1110) {
                    $r[] = substr($str, $i, 3);
                    $i += 2;
                }else{
                    $r[] = '';                
                }
                if (++$m >= $lenth){
                    break;
                }
            }
        }
        if (is_array($r)) {
            return implode('',$r);
        }
        return $str;
    }

方法四：

//字符串编码为UTF-8的，一个中文字符占三个字节
function chinesesubstr($str, $start, $len) { // $str指字符串,$start指字符串的起始位置，$len指字符串长度
        $strlen = $start + $len; // 用$strlen存储字符串的总长度，即从字符串的起始位置到字符串的总长度
        for($i = $start; $i < $strlen;) {
            if (ord ( substr ( $str, $i, 1 ) ) > 0xa0) { // 如果字符串中首个字节的ASCII序数值大于0xa0,则表示汉字
                $tmpstr .= substr ( $str, $i, 3 ); // 每次取出三位字符赋给变量$tmpstr，即等于一个汉字
                $i=$i+3; // 变量自加3
            } else{
                $tmpstr .= substr ( $str, $i, 1 ); // 如果不是汉字，则每次取出一位字符赋给变量$tmpstr
                $i++;
            }
        }
        return $tmpstr; // 返回字符串
    }

最后给上ecshop里面的截取UTF-8编码下字符串的函数：

　　 define('EC_CHARSET','utf8');
    function sub_str($str, $length = 0, $append = true){
        $str = trim($str);
        $strlength = strlen($str);
     
        if ($length == 0 || $length >= $strlength){
            return $str;  //截取长度等于0或大于等于本字符串的长度，返回字符串本身
        }elseif ($length < 0){  //如果截取长度为负数
            $length = $strlength + $length;//那么截取长度就等于字符串长度减去截取长度
            if ($length < 0){
                $length = $strlength;//如果截取长度的绝对值大于字符串本身长度，则截取长度取字符串本身的长度
            }
        }
     
        if (function_exists('mb_substr')){
            $newstr = mb_substr($str, 0, $length, EC_CHARSET);
        }elseif (function_exists('iconv_substr')){
            //iconv_substr截取字符而不是字节数
            $newstr = iconv_substr($str, 0, $length, EC_CHARSET);
        }else{
            //$newstr = trim_right(substr($str, 0, $length));
            $newstr = substr($str, 0, $length);
        }
     
        if ($append && $str != $newstr){
            $newstr .= '...';
        }
     
        return $newstr;
    }