php截取字符串中文乱码（汇聚）

出现截取乱码原因，大多是因为编码，在日常生活中也经常用到，也有坑，这里收集了一下网上比较常见的几种方式

（来源：https://www.jb51.net/article/141043.htm，http://www.itheima.com/news/20180724/110943.html，https://www.php.cn/php-ask-430993.html 等网络资源）

substr()函数截取带有中文字符串的话，可能会出现乱码，这是因为中西文一个字节所占有的字节数不一样，而substr的长度参数是按照字节去算的

substr()中第一个参数表示要截取的字符串，第二个参数表示从0位置开始截取，第三个参数表示截取长度。

 

ASCII码：一个中文汉字占两个字节的空间。

GBK码：一个中文汉字占两个字节的空间。

GB2312码：一个中文汉字占两个字节的空间，英文为1个字节。

UTF-8编码：一个中文（含繁体）等于三个字节，英文或半角标点占1字节。

Unicode编码：一个中文（含繁体）等于两个字节。

 

直接使用PHP函数substr截取中文字符可能会出现乱码，主要是substr可能硬生生的将一个中文字符“锯”成两半。解决办法：

1、使用mbstring扩展库的mb_substr截取就不会出现乱码了。

2、自己书写截取函数，但效率不如用mbstring扩展库来得高。

3、如果仅是为了输出截取的串，可用如下方式实现：substr($str, 0, 30).chr(0)。

=============================

substr()函数可以分割文字，但要分割的文字如果包括中文字符往往会遇到问题，这时可以用mb_substr()/mb_strcut这个函数，mb_substr()/mb_strcut的用法与substr()相似，只是在mb_substr()/mb_strcut最后要加入多一个参数，以设定字符串的编码，但是一般的服务器都没打开php_mbstring.dll，需要在php.ini在把php_mbstring.dll打开。

举个例子：

<?php
echo mb_substr('这样一来我的字符串就不会有乱码^_^', 0, 7, 'utf-8');
?>
输出：这样一来我的字
<?php
echo mb_strcut('这样一来我的字符串就不会有乱码^_^', 0, 7, 'utf-8');
?>

输出：这样一

从上面的例子可以看出，mb_substr是按字来切分字符，而mb_strcut是按字节来切分字符，但是都不会产生半个字符的现象。

=============================

PHP实现中文字串截取无乱码的方法

function GBsubstr($string, $start, $length) {
    if(strlen($string)>$length){
        $str=null;
        $len=$start+$length;
        for($i=$start;$i<$len;$i++){
            if(ord(substr($string,$i,1))>0xa0){
                $str.=substr($string,$i,2);
                $i++;
            }else{
                $str.=substr($string,$i,1);
            }
        }
        return $str.'...';
    }else{
        return $string;
    }
}

实现中文字串截取无乱码的方法--适用于utf-8

function substr_text($str, $start=0, $length, $charset="utf-8", $suffix="")
{
    if(function_exists("mb_substr")){
        return mb_substr($str, $start, $length, $charset).$suffix;
    }
    elseif(function_exists('iconv_substr')){
        return iconv_substr($str,$start,$length,$charset).$suffix;
    }
    $re['utf-8'] = "/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}/";
    $re['gb2312'] = "/[\x01-\x7f]|[\xb0-\xf7][\xa0-\xfe]/";
    $re['gbk']  = "/[\x01-\x7f]|[\x81-\xfe][\x40-\xfe]/";
    $re['big5']  = "/[\x01-\x7f]|[\x81-\xfe]([\x40-\x7e]|\xa1-\xfe])/";
    preg_match_all($re[$charset], $str, $match);
    $slice = join("",array_slice($match[0], $start, $length));
    return $slice.$suffix;
}

Php给出了另外的函数mb_strlen和mb_substr

$length=mb_strlen($mystring);

$mysub=mb_substr($mystring,0,4);

echo "the length is：$length,","the substr is：$mysub";
 

输出结果为：the length is：6,the substr is：今天天气

mb_strlen函数原型为int mb_strlen(string string_input, string encode);encode默认为UTF-8，它会将为UTF-8编码的中文字符算作一个
注意：mb_strlen与mb_substr并不是PHP的核心函数，使用前需要打开php.ini中的extension=php_mbstring.dll这一项 

php截取字符串,带中文,多余的省略号代替方法：

function subtext($text, $length)
{
    if(mb_strlen($text, 'utf8') > $length) {
        return mb_substr($text, 0, $length, 'utf8').'...';
    } else {
        return $text;
    }
 
}
 
$str = '我们是family happy family';
echo subtext($str,5); //我们是fa...

php的ord() 函数返回字符串第一个字符的 ASCII 值，中文字符的ASCII值是大于0xa0，关键的点是判断要截取的字符串是中文字符还是英文字符，用ord(substr($str,$start,1))>0xa0可判断，大于则是中文，否则是英文

实现代码如下: