UTF-8中文截取函数
在PHP中,substr()函数截取带有中文字符串的话,可能会出现乱码,这是因为中西文一个字节所占有的字节数不一样,而substr的长度参数是按照字节去算的,在GB2312编码时,一个中文占2个字节,英文为1个字节,而在UTF-8编码当中,一个中文可能占有2个或3个字节,英文或半角标点占1字节。
解决方法
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。
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)。
<?php
$a="我是程序员";
class Dx
{
private $str;
public function msubstr($string,$start,$length)
{
if(strlen($string)>$length)
{
$n=0;
$str="";
$len=$start+$length;
for($i=$start;$i<$len;$i++)
{
if(ord(substr($string,$n,1))>224)
{
$str.=substr($string,$n,3);
$n+=3;
$i++;
}
elseif(ord(substr($string,$n,1))>192)
{
$str.=substr($string,$n,2);
$i++;
}
else
{
$str.=substr($string,$n,1);
}
}
return $str;
}
else
{
return $string;
}
}
public function msub($string,$start,$length)
{
if(strlen($string)>$length)
{
$str="";
$len=$start+$length;
for($i=$start;$i<$len;$i++)
{
if(ord(substr($string,$i,1))>0xa0)
{
$str.=substr($string,$i,2);
$i++;
}
else
{
$str.=substr($string,$i,1);
}
}
return $str;
}
else
{
return $string;
}
}
}
$sub = new Dx();
echo $sub->msubstr($a,0,8);//我是程序
?>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
除了上面的方法,还可以使用mb_substr来解决,代码如下:
<?php
$a="wo的name是中国!";
echo mb_substr($a,0,9,'UTF-8');//wo的name是中
echo substr($a,0,15);//wo的name是中
?>
在PHP中,substr()函数截取带有中文字符串的话,可能会出现乱码,这是因为中西文一个字节所占有的字节数不一样,而substr的长度参数是按照字节去算的,在GB2312编码时,一个中文占2个字节,英文为1个字节,而在UTF-8编码当中,一个中文可能占有2个或3个字节,英文或半角标点占1字节。
解决方法
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。
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)。
<?php
$a="我是程序员";
class Dx
{
}
$sub = new Dx();
echo $sub->msubstr($a,0,8);//我是程序
?>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
除了上面的方法,还可以使用mb_substr来解决,代码如下:
<?php
$a="wo的name是中国!";
echo mb_substr($a,0,9,'UTF-8');//wo的name是中
echo substr($a,0,15);//wo的name是中
?>