PHP实现中文字符的无乱码截断

喜欢ヅ旅行 2022-04-16 20:46 168阅读 0赞

PHP内置的substr()函数不能对中文字符进行很好的截断处理，对于一些中英文混合的字符会出现乱码的情况。下面提供两种解决函数。

1、GB2312编码方式的截断

2、utf8格式下的中文字符截断

UTF-8编码的字符可能由1~3个字节组成， 具体数目可以由第一个字节判断出来。(理论上可能更长，但这里假设不超过3个字节)

第一个字节大于224的，它与它之后的2个字节一起组成一个UTF-8字符

第一个字节大于192小于224的，它与它之后的1个字节组成一个UTF-8字符

否则第一个字节本身就是一个英文字符（包括数字和一小部分标点符号）。

//$sourcestr 是要处理的字符串
    
    //$cutlength 为截取的长度(即字数)
    
    function cut_str($sourcestr,$cutlength)
    
    {
    
       $returnstr='';
    
       $i=0;
    
       $n=0;
    
       $str_length=strlen($sourcestr);//字符串的字节数
    
       while (($n<$cutlength) and ($i<=$str_length))
    
        {
    
          $temp_str=substr($sourcestr,$i,1);
    
          $ascnum=Ord($temp_str);//得到字符串中第$i位字符的ascii码
    
          if ($ascnum>=224)    //如果ASCII位高与224，
    
          {
    
             $returnstr=$returnstr.substr($sourcestr,$i,3); //根据UTF-8编码规范，将3个连续的字符计为单个字符         
    
             $i=$i+3;            //实际Byte计为3
    
             $n++;            //字串长度计1
    
          }
    
           elseif ($ascnum>=192) //如果ASCII位高与192，
    
          {
    
             $returnstr=$returnstr.substr($sourcestr,$i,2); //根据UTF-8编码规范，将2个连续的字符计为单个字符
    
             $i=$i+2;            //实际Byte计为2
    
             $n++;            //字串长度计1
    
          }
    
           elseif ($ascnum>=65 && $ascnum<=90) //如果是大写字母，
    
          {
    
             $returnstr=$returnstr.substr($sourcestr,$i,1);
    
             $i=$i+1;            //实际的Byte数仍计1个
    
             $n++;            //但考虑整体美观，大写字母计成一个高位字符
    
          }
    
           else                //其他情况下，包括小写字母和半角标点符号，
    
          {
    
             $returnstr=$returnstr.substr($sourcestr,$i,1);
    
             $i=$i+1;            //实际的Byte数计1个
    
             $n=$n+0.5;        //小写字母和半角标点等与半个高位字符宽...
    
          }
    
        }
    
              if ($str_length>$cutlength){
    
              $returnstr = $returnstr . "...";//超过长度时在尾处加上省略号
    
          }
    
         return $returnstr;
    
    }