PHP截取中文字符串的问题解决办法

欧阳锋

以下代码试用于GB2312编码，截取中文字符串是PHP中一个头疼的问题，解决方法是根据值是否大于等于128来判断是否是双字节字符，以避免出现乱码的情况。但中英文混合、特殊符号等问题总是存在，现在写一个比较全面的，仅供参考：

程序说明：

1. len 参数以中文字符为标准，1len等于2个英文字符，为了形式上好看些

2. 如果将magic参数设为false，则中文和英文同等看待，取绝对的字符数

3. 特别适用于用htmlspecialchars()进行过编码的字符串

4. 能正确处理GB2312中实体字符模式（𖰰）

程序代码：  

1. function FSubstr($title,$start,$len="",$magic=true)  
   
2. {
   
3. /**
   
4.   *  powered by Smartpig
   
5.   *  mailto:d.einstein@263.net
   
6.   */
   
7. 
   
8. $length = 0;
   
9. if($len == "") $len = strlen($title);
   
10. 
    
11. //判断起始为不正确位置
    
12. if($start > 0)
    
13. {
    
14.   $cnum = 0;
    
15.   for($i=0;$i<$start;$i++)
    
16.   {
    
17.    if(ord(substr($title,$i,1)) >= 128) $cnum ++;
    
18.   }
    
19.   if($cnum%2 != 0) $start--;
    
20. 
    
21.   unset($cnum);
    
22. }
    
23. 
    
24. if(strlen($title)<=$len) return substr($title,$start,$len);
    
25. 
    
26. $alen   = 0;
    
27. $blen = 0;
    
28. 
    
29. $realnum = 0;
    
30. 
    
31. for($i=$start;$i<strlen($title);$i++)
    
32. {
    
33.   $ctype = 0;
    
34.   $cstep = 0;
    
35.   $cur = substr($title,$i,1);
    
36.   if($cur == "&")
    
37.   {
    
38.    if(substr($title,$i,4) == "<")
    
39.    {
    
40.     $cstep = 4;
    
41.     $length += 4;
    
42.     $i += 3;
    
43.     $realnum ++;
    
44.     if($magic)
    
45.     {
    
46.      $alen ++;
    
47.     }
    
48.    }
    
49.    else if(substr($title,$i,4) == ">")
    
50.    {
    
51.     $cstep = 4;
    
52.     $length += 4;
    
53.     $i += 3;
    
54.     $realnum ++;
    
55.     if($magic)
    
56.     {
    
57.      $alen ++;
    
58.     }
    
59.    }
    
60.    else if(substr($title,$i,5) == "&")
    
61.    {
    
62.     $cstep = 5;
    
63.     $length += 5;
    
64.     $i += 4;
    
65.     $realnum ++;
    
66.     if($magic)
    
67.     {
    
68.      $alen ++;
    
69.     }
    
70.    }
    
71.    else if(substr($title,$i,6) == """)
    
72.    {
    
73.     $cstep = 6;
    
74.     $length += 6;
    
75.     $i += 5;
    
76.     $realnum ++;
    
77.     if($magic)
    
78.     {
    
79.      $alen ++;
    
80.     }
    
81.    }
    
82.    else if(substr($title,$i,6) == "'")
    
83.    {
    
84.     $cstep = 6;
    
85.     $length += 6;
    
86.     $i += 5;
    
87.     $realnum ++;
    
88.     if($magic)
    
89.     {
    
90.      $alen ++;
    
91.     }
    
92.    }
    
93.    else if(preg_match("/&#(\d+);/i",substr($title,$i,8),$match))
    
94.    {
    
95.     $cstep = strlen($match[0]);
    
96.     $length += strlen($match[0]);
    
97.     $i += strlen($match[0])-1;
    
98.     $realnum ++;
    
99.     if($magic)
    
100.     {
     
101.      $blen ++;
     
102.      $ctype = 1;
     
103.     }
     
104.    }
     
105.   }else{
     
106.    if(ord($cur)>=128)
     
107.    {
     
108.     $cstep = 2;
     
109.     $length += 2;
     
110.     $i += 1;
     
111.     $realnum ++;
     
112.     if($magic)
     
113.     {
     
114.      $blen ++;
     
115.      $ctype = 1;
     
116.     }
     
117.    }else{
     
118.     $cstep = 1;
     
119.     $length +=1;
     
120.     $realnum ++;
     
121.     if($magic)
     
122.     {
     
123.      $alen++;
     
124.     }
     
125.    }
     
126.   }
     
127. 
     
128.   if($magic)
     
129.   {
     
130.    if(($blen*2+$alen) == ($len*2)) break;
     
131.    if(($blen*2+$alen) == ($len*2+1))
     
132.    {
     
133.     if($ctype == 1)
     
134.     {
     
135.      $length -= $cstep;
     
136.      break;
     
137.     }else{
     
138.      break;
     
139.     }
     
140.    }
     
141.   }else{
     
142.    if($realnum == $len) break;
     
143.   }
     
144. }
     
145. 
     
146. unset($cur);
     
147. unset($alen);
     
148. unset($blen);
     
149. unset($realnum);
     
150. unset($ctype);
     
151. unset($cstep);
     
152. 
     
153. return substr($title,$start,$length);
     
154. }
     

复制代码