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
- function msubstr($str, $start, $len) {
- if (strlen($str)-$start < $len) return false;
- $tmpstr = "";
- $strlen = $start + $len;
- for($i = 0; $i < $strlen; $i++) {
- if(ord(substr($str, $i, 1)) > 0xa0) { //0xa0 表示中文汉字编码的第一个编码字符ASCII 码值都大于0xa0
- $tmpstr .= substr($str, $i, 2);
- $i++;
- } else
- $tmpstr .= substr($str, $i, 1);
- }
- return $tmpstr . "...";
- }
2、utf8格式下的中文字符截断
UTF-8编码的字符可能由1~3个字节组成, 具体数目可以由第一个字节判断出来。(理论上可能更长,但这里假设不超过3个字节)
第一个字节大于224的,它与它之后的2个字节一起组成一个UTF-8字符
第一个字节大于192小于224的,它与它之后的1个字节组成一个UTF-8字符
否则第一个字节本身就是一个英文字符(包括数字和一小部分标点符号)。
- //$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;
- }