PHP 截斷標題支援 UTF-8 與 GB2312 雙編碼相容方案

問題背景

在中文環境下，標題長度截斷常遇到編碼不一致導致亂碼或截斷位置錯誤。strlen() 僅計算位元組數，對多位元組字元（如 UTF-8 中文佔 3 位元組）會造成誤判。本文提供一個相容 UTF-8 與 GB2312 的截斷函式。

實作程式碼

<?php
// 使用範例：超過 45 個字元則截取前 15 個並加上省略號
if (strlen($r['title']) > 45) {
    $str = utf8Substr($r['title'], 0, 15) . '...';
} else {
    $str = $r['title'];
}
echo $str;

/**
 * UTF-8 安全截取函式
 * @param string $str  原始字串
 * @param int    $from 起始位置（字元數）
 * @param int    $len  截取長度（字元數）
 * @return string 截取後的字串
 */
function utf8Substr($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
    );
}
?>

原理說明

• 正則模式：[\x00-\x7F] 匹配 ASCII 單位元組字元；[\xC0-\xFF][\x80-\xBF]+ 匹配 UTF-8 多位元組字元的首位元組與後續位元組。
• 計數單位：以「字元」而非「位元組」為單位計算 $from 與 $len，確保中英文混排時截斷位置正確。
• GB2312 相容：GB2312 中文佔 2 位元組，同樣符合 [\xC0-\xFF][\x80-\xBF] 模式，故無需額外處理。

進階建議

若專案已採用 PHP 7.2+，建議改用 mb_substr() 並設定 mb_internal_encoding('UTF-8')，原生函式效能更佳且支援更多編碼。