PHP 多編碼相容的中英文字串截取函數（支援 UTF-8、GBK、Big5）

PHP 內建 substr() 按位元組截取，對多位元組編碼（UTF-8、GBK、Big5）的中文會導致亂碼。本文提供兩個可直接使用的函數：mb_substr 封裝版（推薦）與純 PHP 實作版（無需 mbstring 擴展），均支援指定編碼、起始位置、長度、尾綴。

方案一：優先使用 mbstring 擴展（標準、高效）

function mbCut($string, $start, $length, $charset = 'UTF-8', $suffix = '...') {
    if (function_exists('mb_substr')) {
        $slice = mb_substr($string, $start, $length, $charset);
        return $suffix && mb_strlen($string, $charset) > $start + $length ? $slice . $suffix : $slice;
    }
    // fallback 見方案二
    return selfCut($string, $start, $length, $charset, $suffix);
}

方案二：純 PHP 正則實作（無 mbstring 環境適用）

function selfCut($str, $start, $length, $charset = 'UTF-8', $suffix = '...') {
    // 定義各編碼的字元正則
    $patterns = [
        'utf-8'   => '/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}/',
        'gb2312'  => '/[\x01-\x7f]|[\xb0-\xf7][\xa0-\xfe]/',
        'gbk'     => '/[\x01-\x7f]|[\x81-\xfe][\x40-\xfe]/',
        'big5'    => '/[\x01-\x7f]|[\x81-\xfe]([\x40-\x7e]|\xa1-\xfe])/',
    ];
    $charset = strtolower($charset);
    if (!isset($patterns[$charset])) $charset = 'utf-8';

    preg_match_all($patterns[$charset], $str, $matches);
    $chars = $matches[0];
    $slice = implode('', array_slice($chars, $start, $length));

    if ($suffix && count($chars) > $start + $length) {
        $slice .= $suffix;
    }
    return $slice;
}

方案三：手動解析 UTF-8 位元組（教學用，效能較低）

function utf8SubstrManual($str, $start, $length) {
    $len = strlen($str);
    $result = [];
    $count = 0;
    $picked = 0;

    for ($i = 0; $i < $len; $i++) {
        $byte = $str[$i];
        $ord = ord($byte);
        $charLen = 1;
        if (($ord & 0x80) == 0x00) $charLen = 1;      // 0xxxxxxx
        elseif (($ord & 0xE0) == 0xC0) $charLen = 2; // 110xxxxx
        elseif (($ord & 0xF0) == 0xE0) $charLen = 3; // 1110xxxx
        elseif (($ord & 0xF8) == 0xF0) $charLen = 4; // 11110xxx

        if ($count >= $start && $picked < $length) {
            $result[] = substr($str, $i, $charLen);
            $picked++;
        }
        $count++;
        $i += $charLen - 1;
    }
    return implode('', $result);
}
// 使用：join('', utf8SubstrManual($str, 0, 10));

使用範例

$text = "PHP中文截取測試abcdefg";

// UTF-8 環境
echo mbCut($text, 0, 10);           // PHP中文截取測試a...
echo selfCut($text, 0, 10, 'UTF-8'); // 同上

// GBK 環境（需確保檔案編碼為 GBK）
// echo selfCut($text, 0, 10, 'GBK');

效能與選擇建議

常見坑點

• 檔案編碼與宣告一致：PHP 檔案本身必須以目標編碼（UTF-8 無 BOM）儲存，否則字面字串會被誤判。
• 資料庫連線編碼：SET NAMES utf8mb4 確保讀寫一致。
• 長度單位：以上函數的 $length 皆為 字元數，非位元組數。