PHP 多位元組安全截取字串函數：支援 UTF-8/GBK

PHP 多位元組安全截取字串函數：支援 UTF-8/GBK

substr 按位元組截取會導致中文亂碼。本文提供一個健壯的 cutstr 函數，正確按字元數截取 UTF-8 與雙位元組編碼 (GBK/BIG5)，並支援 HTML 實體轉義與尾碼附加。

完整函數實作

<?php
/**
 * 多位元組安全截取字串
 * @param string $string  原始字串
 * @param int    $length  截取字元長度 (非位元組)
 * @param string $dot     尾碼，預設 ' ...'
 * @param string $charset 編碼，預設 'utf-8'
 * @return string
 */
function cutstr($string, $length, $dot = ' ...', $charset = 'utf-8') {
    if (mb_strlen($string, $charset) <= $length) {
        return $string;
    }

    // 預處理：HTML 實體還原，避免截斷實體導致顯示異常
    $string = html_entity_decode($string, ENT_QUOTES, $charset);

    $strcut = '';
    if (strtolower($charset) === 'utf-8') {
        // UTF-8 逐字元處理
        $n = $noc = 0;
        while ($n < strlen($string) && $noc < $length) {
            $t = ord($string[$n]);
            if ($t <= 127) {           // ASCII 1 位元組
                $tn = 1; $noc++;
            } elseif ($t < 224) {      // 2 位元組
                $tn = 2; $noc += 2;
            } elseif ($t < 240) {      // 3 位元組 (常見中日韓)
                $tn = 3; $noc += 2;
            } elseif ($t < 248) {      // 4 位元組 (Emoji 等)
                $tn = 4; $noc += 2;
            } else {                   // 非法/保留
                $tn = 1; $noc++;
            }
            $strcut .= substr($string, $n, $tn);
            $n += $tn;
        }
    } else {
        // 雙位元組編碼 (GBK/BIG5) 簡易處理
        for ($i = 0; $i < $length; $i++) {
            $strcut .= (ord($string[$i]) > 127) ? $string[$i] . $string[++$i] : $string[$i];
        }
    }

    // 還原 HTML 實體並附加尾碼
    return htmlspecialchars($strcut, ENT_QUOTES, $charset) . $dot;
}

// 使用範例
echo cutstr('你好世界 Hello', 6);        // 你好世界 ...
echo cutstr('你好世界 Hello', 6, '>>');  // 你好世界 >>
echo cutstr('測試<b>粗體</b>', 4);      // 測試<b>... (實體安全)

現代 PHP (mbstring 擴展) 最佳做法

function cutstr_modern($string, $length, $dot = ' ...', $charset = 'UTF-8') {
    if (mb_strlen($string, $charset) <= $length) return $string;
    return mb_substr($string, 0, $length, $charset) . $dot;
}

強烈建議：生產環境務必啟用 mbstring 擴展並使用 mb_substr/mb_strlen，效能更高、邊界情況處理更完善 (如組合字元、Emoji)。

關鍵特性對比