php substr、mb_substr、mb_strcut 函数比较

首先了解一下字符和字节:

• 字节（Byte）是一种计量单位，表示数据量多少，它是计算机信息技术用于计量存储容量的一种计量单位。
• 字符是指计算机中使用的文字和符号，比如1、2、3、A、B、C、~！·#￥%……—*（）——+、等等。

它们完全不是一个概念，所以两者之间没有“区别”这个说法。不同编码里，字符和字节的对应关系不同：

• ASCII码中，一个英文字母（不分大小写）占一个字节的空间，一个中文汉字占两个字节的空间。一个二进制数字序列，在计算机中作为一个数字单元，一般为8位二进制数，换算为十进制。最小值0，最大值255。
• UTF-8编码中，一个英文字符等于一个字节，一个中文（含繁体）等于三个字节。
• Unicode编码中，一个英文等于两个字节，一个中文（含繁体）等于两个字节。
• UTF-16编码中，一个英文字母字符或一个汉字字符存储都需要2个字节（Unicode扩展区的一些汉字存储需要4个字节）。
• UTF-32编码中，世界上任何字符的存储都需要4个字节。

符号：英文标点占一个字节，中文标点占两个字节。举例：英文句号“.”占1个字节的大小，中文句号“。”占2个字节的大小。

这三个函数的区别

substr、mb_substr、mb_strcut这三个函数都用来截取字符串,但有不同：

1. substr 是最简单的按字节截取，无法适应中文，截取中文会产生半个字符的现象，出现乱码；

<?php

//测试
    $cn_str="海到无边天作岸山登绝顶我为峰";
    $en_str="test test test";

//使用substr
    echo substr($cn_str,0,1).'<br/>'; //按照字节来截取
    echo substr($cn_str,0,3).'<br/>'; //按照字节来截取
    echo substr($en_str,0,3).'<br/><br/>'; // 按照字节来截取

 

    2. mb_substr 是按字符来切分字符串，截取中文不会产生半个字符的现象；

<?php

//测试
    $cn_str="海到无边天作岸山登绝顶我为峰";
    $en_str="test test test";


//使用mbsubstr()
    echo "mb_substr-3: ".mb_substr($cn_str,0,3).'<br/>';
    echo "mb_substr-4:".mb_substr($cn_str,0,4).'<br/>';

 

 

     3. mb_strcut 是按字节来切分字符串，截取中文不会产生半个字符的现象,字节数不到一个中文字符时忽略.比如在 utf-8 编码中,当只有5个字节时只会按3个字节算,截取一个字符串,6个字节才会截取两个字符；

<?php

//测试
    $cn_str="海到无边天作岸山登绝顶我为峰";
    $en_str="testtesttest";


//使用mbsubstr()
    echo "mb_strcut-3: ".mb_strcut($cn_str,0,3).'<br/>';
    echo "mb_strcut-5:".mb_strcut($cn_str,0,5).'<br/>';
    echo "mb_strcut-6:".mb_strcut($cn_str,0,6).'<br/>';
    echo "mb_strcut-4:".mb_strcut($en_str,0,4).'<br/>';
    echo "mb_strcut-5:".mb_strcut($en_str,0,5).'<br/>';

说明:

这三个函数的前三个参数完全一致：第一个参数是操作对象，第二个参数是截取的起始位置，第三个参数是截取的数量；但是 mb_substr 和 mb_strcut 还有第四个参数：第四个参数可以根据不同的字符集进行设置，譬如 utf-8 或者 gbk。

推荐使用 mb_substr().

 

参考

https://blog.csdn.net/andyzhaojianhui/article/details/53785656