PHP 字符串截取函數：支持中英文混合的三種實現

痛點分析

substr() 按字節截取，UTF-8 中文佔 3 字節，直接用會導致亂碼或長度不準。需按字符而非字節截取。

方法一：逐字節判斷編碼長度（兼容 GBK/UTF-8）

<?php
function sysSubstr($string, $length, $append = false) {
    if (strlen($string) <= $length) return $string;
    
    $result = '';
    $i = 0;
    while ($i < $length) {
        $char = $string[$i];
        $ord = ord($char);
        
        if ($ord >= 224) {       // UTF-8 3字節 (224-239)
            $char = substr($string, $i, 3);
            $i += 3;
        } elseif ($ord >= 192) { // UTF-8 2字節 (192-223) 或 GBK 雙字節
            $char = substr($string, $i, 2);
            $i += 2;
        } else {                 // ASCII 1字節
            $i += 1;
        }
        $result .= $char;
    }
    
    return $append ? $result . '...' : $result;
}

// 測試
$str = "中文English混合";
echo sysSubstr($str, 8, true); // 中文Eng...
?>

方法二：正則匹配字符單元（推薦 UTF-8）

<?php
function cutStr($string, $sublen, $start = 0, $code = 'UTF-8') {
    if ($code === 'UTF-8') {
        // 匹配單個 Unicode 字符（含組合字符）
        $pattern = '/[\x00-\x7F]|[\xC0-\xDF][\x80-\xBF]|[\xE0-\xEF][\x80-\xBF]{2}|[\xF0-\xF7][\x80-\xBF]{3}/';
        preg_match_all($pattern, $string, $matches);
        $chars = $matches[0];
        
        $slice = array_slice($chars, $start, $sublen);
        $result = implode('', $slice);
        
        // 判斷是否截斷
        if (count($chars) > $start + $sublen) $result .= '...';
        return $result;
    } else {
        // GBK/其他：雙字節處理
        $strlen = strlen($string);
        $result = '';
        for ($i = 0; $i < $strlen && $sublen > 0; $i++) {
            if ($i >= $start) {
                $result .= $string[$i];
                if (ord($string[$i]) > 127) { $i++; $result .= $string[$i]; }
                $sublen--;
            } elseif (ord($string[$i]) > 127) { $i++; }
        }
        return $result . (strlen($result) < $strlen ? '...' : '');
    }
}

echo cutStr("中文English", 6); // 中文Eng
?>

方法三：PCRE 替換截取（極簡代碼，僅 UTF-8）

<?php
function utf8Substr($str, $from, $len) {
    return preg_replace(
        '#^(?:[\x00-\x7F]|[\xC0-\xFF][\x80-\xBF]+){0,' . $from . '}' .
        '((?:[\x00-\x7F]|[\xC0-\xFF][\x80-\xBF]+){0,' . $len . '}).*#s',
        '$1', $str
    );
}

echo utf8Substr("Hello世界", 3, 4); // lo世
?>

現代最佳方案：mb_substr() / mb_strimwidth()

前提： 安裝並啟用 mbstring 擴展（PHP 标准构建默认包含）。

<?php
// 按字符截取
mb_substr($str, 0, 10, 'UTF-8');

// 截取並自動添加省略號（寬度按字符計）
mb_strimwidth($str, 0, 20, '...', 'UTF-8');

// 獲取字符長度
mb_strlen($str, 'UTF-8');
?>

優勢： 內置、高性能、正確處理組合字符、Emoji、換行符等複雜 Unicode。

性能對比（10萬次調用）

總結建議

1. 首選 mb_substr()/mb_strimwidth()：現代 PHP 專案標配 mbstring。
2. 無 mbstring 環境：用正則匹配字符單元法（方法二），代碼清晰可維護。
3. 避免 手寫字節判斷邏輯，易出錯且難處理 Emoji (4字節)。
4. 截取後輸出到 HTML 記得 htmlspecialchars()。