前几天,去面试中遇到一个帮毕业就遇到的问题,PHP截取中文字符串乱码问题。究其根本php的字符串截取函数是根据字节来的,而汉字的编码一需要的不单单一个字节,那么自然就会出现乱码问题。

    现在常用的编码格式是UTF8,GBK,GBK2312,BIG5。GBK是GBK2312的升级。现在我开发中遇到的基本都是UTF8,GBK常用在论坛BBS上。今天自己写了下UTF8的,测试下还说的过去,毕竟从网上拷下来的是可以用,但是如果有时间最好还是自己写一下,这样只有到自己手里的才是自己的。

    今天写了UTF8的中文字符截取,不单单是截取从零开始,可以指定位置开始,当然如果是中文那么会中文下一个字符开始,结束是从指定的位置或者指定的汉字结束位置。

函数代码:

 

  1. function subUTF8str($str,$start=0,$length=80){ 
  2.     $str_length = strlen($str);//传入字符串的字节长度 
  3.     $end_length = $start + $length//8 //预计结束字节 
  4.     $cut_length = 0; //截取的字节长度 
  5.     $cut_end = $cut_begin = false; //初始化截取状态 
  6.  
  7.     if($start >= $str_length){ //如果字符串开始位置大于字符串总长度 那么返回空 
  8.         return null; 
  9.     } 
  10.     if( ($start == 0) && ($length >= $str_length) ){ //如果起始位置是0 截取长度大于等于总长度 直接返回 
  11.         return $str
  12.     } 
  13.     for($i=0; $i <= $str_length$i++){ 
  14.         if( ($start <= $i) && ($cut_begin === false) ){//如果这一个判断在第二个if后面则取下一个汉字为开头 
  15.             $cut_begin = $i
  16.         } 
  17.         if (ord($str[$i]) > 127){ //如果当前字符的ASCII 值大于127 则是认为是汉字 
  18.             $i += 2; //UTF-8汉字是24位三个字节 如果是汉字那么增加两位 
  19.             $cut_begin?$cut_length += 3:null; 
  20.         }else
  21.             $cut_begin?$cut_length += 1:null; 
  22.         } 
  23.  
  24.         if( ($end_length <= $i) && ($cut_end === false) ){ 
  25.             break
  26.         } 
  27.     } 
  28.  
  29.     return substr($str$cut_begin , $cut_length ); 

整体测试代码

  1. header("Content-type:text/html;charset=UTF-8"); 
  2. set_time_limit(0); 
  3. $str = ''
  4. for($i=0;$i<1000;$i++){ 
  5.     $str .='这里是截cefaACC截$%^&*截()_((截^&*^截*&%截%'
  6.  
  7. function subUTF8str($str,$start=0,$length=80){ 
  8.     $str_length = strlen($str);//传入字符串的字节长度 
  9.     $end_length = $start + $length//8 //预计结束字节 
  10.     $cut_length = 0; //截取的字节长度 
  11.     $cut_end = $cut_begin = false; //初始化截取状态 
  12.  
  13.     if($start >= $str_length){ //如果字符串开始位置大于字符串总长度 那么返回空 
  14.         return null; 
  15.     } 
  16.     if( ($start == 0) && ($length >= $str_length) ){ //如果起始位置是0 截取长度大于等于总长度 直接返回 
  17.         return $str
  18.     } 
  19.     for($i=0; $i <= $str_length$i++){ 
  20.         if( ($start <= $i) && ($cut_begin === false) ){//如果这一个判断在第二个if后面则取下一个汉字为开头 
  21.             $cut_begin = $i
  22.         } 
  23.         if (ord($str[$i]) > 127){ //如果当前字符的ASCII 值大于127 则是认为是汉字 
  24.             $i += 2; //UTF-8汉字是24位三个字节 如果是汉字那么增加两位 
  25.             $cut_begin?$cut_length += 3:null; 
  26.         }else
  27.             $cut_begin?$cut_length += 1:null; 
  28.         } 
  29.  
  30.         if( ($end_length <= $i) && ($cut_end === false) ){ 
  31.             break
  32.         } 
  33.     } 
  34.  
  35.     return substr($str$cut_begin , $cut_length ); 
  36. echo time().'<br/>'
  37. for($i=0;$i<1000;$i++){ 
  38.     $begin = rand(1,100); 
  39.     $length = rand(1,1000); 
  40.     echo subUTF8str($str,$begin,$length)."\n"
  41. echo time().'<br/>'

下次有机会写其他编码格式的