PHP 多編碼支援字符串截取函數：完美處理中文與 UTF-8/GBK 等編碼

在 PHP 開發中，字符串截取看似簡單，但一旦涉及中文、日文或其他多位元組編碼，直接使用 substr 往往會導致亂碼或截斷錯誤。本文分享一個健壯的 msubstr 函數，支援 UTF-8、GB2312、GBK、Big5 等主流編碼，並可自訂起始位置、長度與尾碼，是處理多語言內容截斷的得力工具。

為什麼需要專門的多編碼截取函數？

PHP 內建的 substr 按位元組操作，對於 UTF-8 編碼的中文（佔 3 位元組）會將一個字符強行拆分，產生無效字符。雖然 mb_substr 解決了大多數情況，但某些伺服器環境未安裝 mbstring 擴展，此時需要備用方案（如 iconv_substr 或正則匹配）。

核心函數：msubstr

/**
 * 字符串截取，支援中文和其他編碼
 * @param string $str 待截取字符串
 * @param int $start 起始位置（從 0 開始）
 * @param int $length 截取長度
 * @param string $charset 編碼格式，預設 utf-8
 * @param bool|string $suffix 截斷後綴，true 為 '...'，字符串則用該字符串，false 不加後綴
 * @return string
 */
function msubstr($str, $start = 0, $length, $charset = "utf-8", $suffix = true) {
    if (function_exists("mb_substr")) {
        $slice = mb_substr($str, $start, $length, $charset);
    } elseif (function_exists('iconv_substr')) {
        $slice = iconv_substr($str, $start, $length, $charset);
        if (false === $slice) $slice = '';
    } else {
        // 純 PHP 正則備用方案
        $re = [
            'utf-8'   => "/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}/",
            'gb2312'  => "/[\x01-\x7f]|[\xb0-\xf7][\xa0-\xfe]/",
            'gbk'     => "/[\x01-\x7f]|[\x81-\xfe][\x40-\xfe]/",
            'big5'    => "/[\x01-\x7f]|[\x81-\xfe]([\x40-\x7e]|\xa1-\xfe])/"
        ];
        preg_match_all($re[$charset], $str, $match);
        $slice = join("", array_slice($match[0], $start, $length));
    }
    return $suffix ? $slice . '...' : $slice;
}

使用範例

$str = "你好，世界！Hello World";
// UTF-8 環境
echo msubstr($str, 0, 6);           // 輸出：你好，世界...
echo msubstr($str, 3, 4, 'utf-8', '>>'); // 輸出：世界>>

// GBK 編碼字符串（需確保檔案編碼為 GBK）
$gbkStr = iconv('UTF-8', 'GBK', $str);
echo msubstr($gbkStr, 0, 4, 'gbk'); // 正確截取前 4 個中文字符

關鍵點解析

• 優先使用 mb_substr：效能最好、支援最完整。
• 次選 iconv_substr：無 mbstring 時的替代方案，注意返回 false 時需處理為空字符串。
• 正則備用方案：利用各編碼的位元組特徵模式，將字符串拆解為字符陣列再切片，雖然效能較低，但純 PHP 實現、零擴展依賴。
• 後綴靈活控制：預設加 ...，可自訂或關閉。

適用場景

• 文章摘要自動生成
• 多語言網站標題/列表截斷
• 舊系統遷移，編碼混雜環境
• 無法安裝擴展的受限主機環境

將此函數放入通用工具庫，即可在專案任何地方安心截取多語言字符串，告別亂碼煩惱。