PHP 精準截取 UTF-8 字串：避免亂碼的完整函數實作

為什麼需要專門的 UTF-8 截取函數？

PHP 內建的 substr() 是按位元組切割，英文字佔 1 位元組，但在 UTF-8 編碼下，一個中文字佔 3 位元組。直接使用 substr() 會導致多位元組字元被切斷，產生亂碼。本文提供一個可正確按「字元寬度」截取的函數 truncate_utf8_string()，並解析其核心邏輯。

函數完整代碼

function truncate_utf8_string($string, $length, $etc = '...') {
    $result = '';
    // 先解碼 HTML 實體、去除標籤、修剪空白
    $string = html_entity_decode(trim(strip_tags($string)), ENT_QUOTES, 'UTF-8');
    $strlen = strlen($string);

    for ($i = 0; ($i < $strlen) && ($length > 0); $i++) {
        // 取得目前位元組的二進位表示，判斷 UTF-8 位元組數
        $bin = str_pad(decbin(ord(substr($string, $i, 1))), 8, '0', STR_PAD_LEFT);
        $number = strpos($bin, '0'); // 第一個 0 的位置即為位元組數

        if ($number) { // 多位元組字元
            if ($length < 1.0) break;
            $result .= substr($string, $i, $number);
            $length -= 1.0;       // 視為 1 個字元寬度
            $i += $number - 1;    // 跳過剩餘位元組
        } else { // 單位元組字元（ASCII）
            $result .= substr($string, $i, 1);
            $length -= 0.5;       // 視為 0.5 個字元寬度（半形）
        }
    }

    $result = htmlspecialchars($result, ENT_QUOTES, 'UTF-8');
    if ($i < $strlen) $result .= $etc;
    return $result;
}

使用範例

<?php
$str = "如果需要截取utf-8格式的字符串，直接調用這個函數即可。";
echo truncate_utf8_string($str, 10); 
// 輸出：如果需要截取utf-8格...
?>

核心邏輯解析

1. 位元組偵測：利用 ord() 取得位元組值，轉二進位後找第一個 0 的索引，即可知道該字元佔幾個位元組（UTF-8 編碼規則）。
2. 寬度計算：中文等全形字視為 1.0 寬度，英文半形字視為 0.5 寬度，符合傳統中文排版習慣。
3. 安全輸出：截取完成後以 htmlspecialchars() 轉義，防止 XSS。

進階建議

• 若專案已使用 mbstring 擴充，優先考慮 mb_substr() 或 mb_strimwidth()，效能更好且支援更多編碼。
• 需支援 Emoji（4 位元組）時，上述函數需擴充判斷邏輯，或改用 grapheme_substr()（需 intl 擴充）。

總結

本函數在無 mbstring 環境下，提供了一個純 PHP 實作的 UTF-8 安全截取方案，適合舊版專案或受限環境使用。現代專案建議優先使用多位元組字串函式庫。