一篇写给自己方便记忆和查询的文章。
PHP截取字符串需要相关字符集,字符编码的知识,并需要知道各自的编码范围。以下是关于gb2312编码中中文截取的一个简单示例。
<?php
/*
以下字符编码gb2312,页面编码gb2312,汉字编码为两字节
UTF-8编码下汉字为三字节,并需另外考虑汉字编码是0x4e00-0x9fa5
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)。
*/
$str='不T但G';
$len=strlen($str); //得到按字节计算的长度
$temp="";
for($i=0;$i<$len;$i++){
if(ord($str[$i])>0xa0){ //GB2312编码中文编码范围高位0xb0-0xf7,低位是0xa1-0xfe,“啊”的字符编码为0xb0a1.为GB2312字符表的第一个。
$t1=$str[$i]; //半个汉字
$t2=$str[++$i]; //半个汉字
$temp=dechex(ord($t1)).' '.dechex(ord($t2)); //输出各个字节的16进制编码值
echo $temp." ".$t1.$t2."<br>"; //将两个半个汉字拼成一个,通常情况下汉字出现乱码即输出了半个汉字
}
else{
echo ord($str[$i])." ".$str[$i]."<br>"; //若不是中文,输出编码值和字符
}
}
?>
以下是运行结果:
另请参考:
2. 字符编码研究