PHP 解決 substr() 截取中文亂碼：mb_substr、mb_strimwidth、grapheme 完整方案與效能比較

substr() 按位元組截取，中文 UTF-8 佔 3 位元組、Emoji 佔 4 位元組，直接用會切斷字元導致亂碼。本文系統整理 mb_substr()、mb_strimwidth()、grapheme_substr()、正則過濾四大方案，比較編碼支援、效能、功能差異，提供最佳實踐建議。

亂碼根因

$str = '中文測試';
echo substr($str, 0, 3); // '中' (切在 '文' 3 bytes 中間)
echo substr($str, 0, 6); // '中文' (剛好 2 個字 * 3 bytes)

• UTF-8：中日韓字元 3 bytes，英文 1 byte，Emoji 4 bytes
• substr() 完全不知編碼，純位元組操作

方案比較總表

方案一：mb_substr() 通用標準

<?php
$str = '中文測試abc';
echo mb_substr($str, 0, 4, 'UTF-8'); // '中文測'
echo mb_substr($str, 2, 3, 'UTF-8'); // '測試a'

// 封裝函式
function msubstr(string $str, int $start, int $length, string $encoding = 'UTF-8'): string {
    return mb_substr($str, $start, $length, $encoding);
}

方案二：mb_strimwidth() 固定寬度摘要 (含尾碼)

<?php
$str = '這是一段很長的中文標題需要截斷顯示';
echo mb_strimwidth($str, 0, 20, '...', 'UTF-8'); 
// '這是一段很長的中文...' (寬度 20: 中文算 2, 英文算 1)
echo mb_strimwidth($str, 0, 20, '', 'UTF-8'); // 無尾碼

方案三：grapheme_substr() 處理 Emoji/組合字元 (PHP 7.0+ intl)

<?php
$str = 'A👨‍👩‍👧‍👦B'; // 家庭 Emoji = 1 Grapheme Cluster (多碼點組合)
echo strlen($str); // 25 bytes
echo mb_strlen($str, 'UTF-8'); // 7 碼點
echo grapheme_strlen($str); // 3 Grapheme Clusters (A, 👨‍👩‍👧‍👦, B)

echo grapheme_substr($str, 0, 2); // 'A👨‍👩‍👧‍👦' 正確！
echo mb_substr($str, 0, 2, 'UTF-8'); // 'A👨' 切斷組合字元！

方案四：無 mbstring 環境的正則替代 (不推薦生產)

function utf8_substr(string $str, int $start, int $length): string {
    preg_match_all('/./u', $str, $matches);
    $chars = $matches[0];
    return implode('', array_slice($chars, $start, $length));
}

進階：截取並補全 HTML 標籤 (避免斷標籤)

function truncateHtml(string $html, int $maxLen, string $suffix = '...'): string {
    // 簡易版：移除標籤後截取，實際專案建議用 HTMLPurifier 或 DOMDocument
    $text = strip_tags($html);
    if (mb_strlen($text, 'UTF-8') <= $maxLen) return $html;
    return mb_strimwidth($text, 0, $maxLen, $suffix, 'UTF-8');
}

效能基準 (PHP 8.1, 100 萬字串截取 100 字元)

// mb_substr:        ~0.15 秒
// mb_strimwidth:    ~0.18 秒
// grapheme_substr:  ~0.45 秒 (intl 開銷)
// preg_match_all:   ~2.5 秒

最佳實踐建議

1. 通用中文截取：mb_substr($str, $start, $len, 'UTF-8')，專案統一封裝 msubstr()。
2. 列表摘要、卡片標題：mb_strimwidth($str, 0, $width, '...', 'UTF-8')，自動加尾碼、按視覺寬度。
3. 含 Emoji/組合字元：安裝 intl 擴展，用 grapheme_substr()，唯一正確 方案。
4. 資料庫層面：MySQL LEFT(col, n) 同樣按位元組，應用層截取更可控。
5. 編碼統一：專案全域 mb_internal_encoding('UTF-8')，省略第 4 參數。

常見錯誤

相關專題：《PHP 字串用法總結》、《PHP 編碼與轉碼操作技巧匯總》。