2008-04-25

UTF-8中文截取函数

在PHP中，用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。

为解决这个问题，我找了很多资料，最终找到这么一段文字：

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）。

OK，知道大概的原理，解决起来就轻松多了，于是写了以下函数用于UTF-8的字符截取：

 

PHP代码
  1. //字符串截取，仅限于UTF-8   
  2. function cut_str($str,$len) {   
  3.     if (strlen($str) <= $len) return $str;   
  4.     $n = 0;   
  5.     $tempstr = '';   
  6.     for ($i=0; $i<$len; $i++) {   
  7.         if (ord(substr($str,$n,1)) > 224) {   
  8.             $tempstr .= substr($str,$n,3);   
  9.             $n += 3;   
  10.             $i++; //把一个中文按两个英文的长度计算   
  11.         } elseif (ord(substr($str,$n,1)) > 192) {   
  12.             $tempstr .= substr($str,$n,2);   
  13.             $n += 2;   
  14.             $i++; //把一个中文按两个英文的长度计算   
  15.         } else {   
  16.             $tempstr .= substr($str,$n,1);   
  17.             $n ++;   
  18.         }   
  19.     }      
  20.     return $tempstr.'...';   
  21. }   


PHP中也有自带的函数可以用于不同编码的字符串截取，如mb_substr()，但要在php.ini中开启相应的扩展。

标签：PHP JBLOG | 作者:admin | 分类:网站开发 | 评论: | 浏览: