PHP 中文字符串截取完整指南：多種編碼兼容方案匯總

前言

在 PHP 開發中，中文字符串截取是常見需求，但因編碼差異（GB2312、UTF-8 等），直接使用 substr 會導致亂碼。本文匯總四種主流截取方案，涵蓋不同編碼場景，助你輕鬆應對多字節字符處理。

方案一：GB2312 編碼專用截取函數

針對 GB2312 編碼，利用 ord() 判斷字節高位（> 0xA0）識別雙字節漢字，逐字符拼接：

function mysubstr($str, $start, $len) {
    $tmpstr = '';
    $strlen = $start + $len;
    for ($i = 0; $i < $strlen; $i++) {
        if (ord(substr($str, $i, 1)) > 0xA0) {
            $tmpstr .= substr($str, $i, 2);
            $i++;
        } else {
            $tmpstr .= substr($str, $i, 1);
        }
    }
    return $tmpstr;
}

適用場景：舊系統維護、GB2312 編碼項目。

方案二：UTF-8 正則截取法

使用正則表達式匹配 UTF-8 多字節模式（ASCII 1 字節、雙字節、三字節等），配合 preg_replace 精準截取：

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
    );
}

優點：代碼簡潔；缺點：正則複雜，效能稍遜於逐字符解析。

方案三：雙編碼通用截取函數（推薦）

整合 UTF-8 與 GB2312 支援，通過 preg_match_all 將字符串拆分為字符陣列，再用 array_slice 截取，自動補充省略號：

function cut_str($string, $sublen, $start = 0, $code = 'UTF-8') {
    if ($code === 'UTF-8') {
        $pa = "/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|\xe0[\xa0-\xbf][\x80-\xbf]|[\xe1-\xef][\x80-\xbf][\x80-\xbf]|\xf0[\x90-\xbf][\x80-\xbf][\x80-\xbf]|[\xf1-\xf7][\x80-\xbf][\x80-\xbf][\x80-\xbf]/";
        preg_match_all($pa, $string, $t_string);
        $slice = array_slice($t_string[0], $start, $sublen);
        return count($t_string[0]) - $start > $sublen 
            ? join('', $slice) . '...' 
            : join('', $slice);
    } else { // GB2312
        $start *= 2; $sublen *= 2;
        $strlen = strlen($string);
        $tmpstr = '';
        for ($i = 0; $i < $strlen; $i++) {
            if ($i >= $start && $i < ($start + $sublen)) {
                $tmpstr .= ord(substr($string, $i, 1)) > 129 
                    ? substr($string, $i, 2) 
                    : substr($string, $i, 1);
            }
            if (ord(substr($string, $i, 1)) > 129) $i++;
        }
        return strlen($tmpstr) < $strlen ? $tmpstr . '...' : $tmpstr;
    }
}
// 測試
$str = "abcd需要截取的字符串";
echo cut_str($str, 8, 0, 'gb2312'); // 輸出：abcd需要截...

核心優勢：單一函數兼容雙編碼，邏輯清晰，生產環境推薦使用。

方案四：BugFree 專案實戰截取函數

源自 BugFree 開源項目，專為 UTF-8 設計，逐字符判斷字節長度（1~3 字節），支援可選省略號：

function sysSubStr($String, $Length, $Append = false) {
    if (strlen($String) <= $Length) return $String;
    $I = 0; $StringLast = [];
    while ($I < $Length) {
        $StringTMP = substr($String, $I, 1);
        if (ord($StringTMP) >= 224) { $StringTMP = substr($String, $I, 3); $I += 3; }
        elseif (ord($StringTMP) >= 192) { $StringTMP = substr($String, $I, 2); $I += 2; }
        else { $I++; }
        $StringLast[] = $StringTMP;
    }
    $StringLast = implode('', $StringLast);
    return $Append ? $StringLast . '...' : $StringLast;
}

總結與建議

• 現代項目（UTF-8）：優先使用方案三 cut_str 或 PHP 內建 mb_substr（需啟用 mbstring 擴展）。
• 舊系統（GB2312）：方案一或方案三的 GB2312 分支。
• 效能敏感場景：避免正則方案，採用逐字符解析。

掌握這些方案，即可從容應對各類中文截取需求，告別亂碼困擾。