您现在的位置：程式碼之家 >> 編程語言 > >> 網頁程式設計 >> PHP 程式設計 >> PHP 綜合知識

PHP UTF-8 中英文混合字符截取函數完整指南

編輯：PHP 綜合知識

前言

在 PHP 開發中，處理 UTF-8 編碼的中英文混合字符串截取是常見需求。由於中文字符在 UTF-8 中佔 3 個位元組，英文字符佔 1 個位元組，直接使用 substr 會導致亂碼。本文將介紹幾種實用的截取方案，並分析其優缺點。

方案一：基於 ASCII 碼判斷的自定義函數

這是一種經典的不依賴擴展的實現方式，通過檢測字符的 ASCII 值來判斷字符類型：

ASCII ≥ 224：3 位元組字符（中文、日文等）
ASCII ≥ 192：2 位元組字符
ASCII 65-90：大寫字母（視為 1 個字符寬度）
其他：小寫字母、半角符號（視為 0.5 個字符寬度）

function cut_str($sourcestr, $cutlength, $addstr = '...') {
    $returnstr = '';
    $i = 0;
    $n = 0;
    $str_length = strlen($sourcestr);

    while (($n < $cutlength) && ($i <= $str_length)) {
        $temp_str = substr($sourcestr, $i, 1);
        $ascnum = ord($temp_str);

        if ($ascnum >= 224) {
            $returnstr .= substr($sourcestr, $i, 3);
            $i += 3;
            $n++;
        } elseif ($ascnum >= 192) {
            $returnstr .= substr($sourcestr, $i, 2);
            $i += 2;
            $n++;
        } elseif ($ascnum >= 65 && $ascnum <= 90) {
            $returnstr .= substr($sourcestr, $i, 1);
            $i += 1;
            $n++;
        } else {
            $returnstr .= substr($sourcestr, $i, 1);
            $i += 1;
            $n += 0.5;
        }
    }

    if ($str_length > $cutlength) {
        $returnstr .= $addstr;
    }
    return $returnstr;
}

方案二：支援起始位置的 subUTF8str 函數

這個函數增加了 $start 參數，可從指定位置開始截取：

function subUTF8str($str, $start = 0, $length = 80) {
    $cur_len = 0;
    $all_len = strlen($str);

    if ($length > $all_len) return $str;

    // 定位起始位置
    for ($i = 0; $i < $all_len;) {
        if ($cur_len == $start) break;
        $i += (ord($str[$i]) > 127) ? 3 : 1;
        $cur_len++;
    }
    $start_pos = $i;

    // 截取指定長度
    $temp_pos = $cur_len;
    for (; $cur_len - $temp_pos < $length;) {
        if ($i >= $all_len) break;
        $i += (ord($str[$i]) > 127) ? 3 : 1;
        $cur_len++;
    }
    $end_pos = $i;

    return substr($str, $start_pos, $end_pos - $start_pos);
}

方案三：使用 PHP 內建 mbstring 擴展（推薦）

PHP 原生提供了多字節字符串處理函數族，這是最標準、最高效的方案：

mb_substr(string $str, int $start, int $length, string $encoding) - 字符串截取
mb_strlen(string $str, string $encoding) - 獲取字符串長度
mb_strcut、mb_strwidth 等輔助函數

// 簡單易用，自動處理編碼
$str = "123這是測試字符串";
echo mb_substr($str, 0, 4, 'UTF-8'); // 輸出：123這
echo mb_substr($str, 0, 10, 'UTF-8'); // 輸出：123這是測試

效能與選擇建議

方案	優點	缺點	適用場景
自定義 ASCII 判斷	無需擴展，可自定義字符寬度邏輯	代碼複雜，需手動維護，效能一般	無法安裝擴展的受限環境
subUTF8str	支援起始位置截取	同樣需手動處理位元組邏輯	需要類似 substr 的完整功能時
mbstring 擴展	官方標準、效能最佳、功能完整、無 Bug 風險	需伺服器安裝擴展	所有生產環境首選