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:
- 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