PHP的中文字符串截取

在PHP中，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()截取位数不准确，substr()硬生生地将一个中文字符“锯”成两半，造成断开的字符会把其后的码位拉过来一起做一个字，所以出现了PHP substr()截取中文乱码现象。

在GB2312编码时，一个中文占2个字节，英文为1个字节，而在UTF-8编码当中，一个中文可能占有2个或3个字节，英文或半角标点占1字节。

0. 原生解决方案

PHP中有原生的解决方案，mb_substr()方法。需要开启mbstring扩展，方法：
在php的配置文件中，寻找到extension=php_mbstring.dll，确保扩展被加载——此行首无分号。

下面重点讲使用基本函数substr去实现中文字符串的截取。

1. 基于substr()解决方案

1.1解决思路:

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。
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）。

1.2 substr()语法

substr()中文文档
string substr ( string $string , int $start [, int $length ] )

参数

string

输入字符串。必须至少有一个字符。

start

如果 start 是非负数，返回的字符串将从 string 的 start 位置开始，从 0 开始计算。
如果 start 是负数，返回的字符串将从 string 结尾处向前数第 start 个字符开始。
如果 string 的长度小于 start ，将返回 FALSE 。

length

如果提供了正数的 length，返回的字符串将从 start 处开始最多包括 length 个字符（取决于 string 的长度）。
如果提供了负数的 length ，那么 string 末尾处的 length 个字符将会被省略（若 start 是负数则从字符串尾部算起）。
如果 start 不在这段文本中，那么将返回 FALSE 。
如果提供了值为 0 ，FALSE 或 NULL 的 length，那么将返回一个空字符串。
如果没有提供 length，返回的子字符串将从 start 位置开始直到字符串结尾。

返回值

返回提取的子字符串， 或者在失败时返回 **FALSE
**。

1.3 myGBsubstr()

 function myGBsubstr($string, $start, $length) {
    if (strlen($string) > $length) {
        $str = null;
        $len = 0;
        $i = $start;
        while ( $len < $length) {
        if (ord(substr($string, $i, 1)) > 0xc0) {
            $str .=substr($string, $i, 3);
            $i+= 3;
        }elseif (ord(substr($string, $i, 1)) > 0xa0) {
            $str .= substr($string, $i, 2);
            $i+= 2;
        }else {
            $str.=substr($string, $i, 1);
            $i++;
        }
        $len ++;
        }
        return $str;
    }else {
        return $string;
    }
}

1.4 优化

判断mbstring模块是否可用，如果可用使用原生的mb_substr()函数，反之，使用自己定义的中文字符串截取函数。

function GBsubstr($string, $start,$length) {
    if (!function_exists(mb_substr)) {
        myGBsubstr($string, $start, $length);
    } else {
        mb_substr($string, $start, $length, 'utf8');
    }
}