PHP中文字符串截断无乱码解决方案

一个比较好用的字符串截取函数：

function substring($str, $start, $length){ //比较好用字符串截取函数
    $len = $length;
    if($length < 0){
    $str = strrev($str);
    $len = -$length;
    }
    $len= ($len < strlen($str)) ? $len : strlen($str);
    $tmpstr = "";
    for ($i= $start; $i < $len; $i ++)
    {
           if (ord(substr($str, $i, 1)) > 0xa0)
           {
             $tmpstr .= substr($str, $i, 2);
             $i++;
           } else {
             $tmpstr .= substr($str, $i, 1);
           }
    }
    if($length < 0) $tmpstr = strrev($tmpstr);
    return $tmpstr;
}

使用方法示例：

$str1 = '我是一串比较长的中文不带英文';
$str2 = '我是一串比较长的中文带yingwen';


$len = strlen($str1);
echo '<br />'.$len;  //return 28

$len = strlen($str2);
echo '<br />'.$len;  //return 29

echo '<br />';    
echo substring($str1, 0, 11);    
echo '<br />';
echo substring($str2, 0, 11);        
echo '<br />';
echo substring($str1, 16, 28);    
echo '<br />';
echo substring($str2, 16, 29);    

结果显示：

28
29
我是一串比较
我是一串比较
中文不带英文
中文带yingwen

这个函数十分有用，比如用来截断比较长的文件名，但是要在中间加上...，可以这样来做：

function formatName($str, $size){
    $len = strlen($str);
    if(strlen($str) > $size) {
        $part1 = substring($str, 0, $size / 2);
        $part2 = substring($str, $len - ($size/2), $len);
        return $part1 . "..." . $part2;
    } else {
        return $str;
    }
}

另外，网上看到一种超级简单的中文截断解决方案，试用了一下，效果也不错：

echo substr($str1,0,10).chr(0);

原理解释：

chr(0)不是null
07null是什么都没有，而chr(0)的值是0。表示成16进制是0x00，表示成二进制是00000000
08虽然chr(0)不会显示出什么，但是他是一个字符。
09当汉字被截断时，根据编码规则他总是要把后边的其他字符拉过来一起作为汉字解释，这就是出现乱码的原因。而值为0x81到0xff与0x00组合始终都显示为“空”
10根据这一特点，在substr的结果后面补上一个chr(0)，就可以防止出现乱码了

 ----------------------------

20120705更新：

 

以上方法虽好，但是偶尔还是会碰到乱码，原因未深究。不过可以用以下的方法，对UTF8字符文本屡试不爽。

注意：该方法中将汉字计算为1单位长度，英文一个字母1单位长度，所以截断时需要注意长度设置。

计算长度的方法：

function strlen_UTF8($str)
{
    $len = strlen($str);
    $n = 0;
    for($i = 0; $i < $len; $i++) {
        $x = substr($str, $i, 1);
        $a  = base_convert(ord($x), 10, 2);
        $a = substr('00000000'.$a, -8);
        if (substr($a, 0, 1) == 0) {
        }elseif (substr($a, 0, 3) == 110) {
            $i += 1;
        }elseif (substr($a, 0, 4) == 1110) {
            $i += 2;
        }
        $n++;
    }
    return $n;
} // End strlen_UTF8;

字符串截断函数：

function subString_UTF8($str, $start, $lenth)
    {
        $len = strlen($str);
        $r = array();
        $n = 0;
        $m = 0;
        for($i = 0; $i < $len; $i++) {
            $x = substr($str, $i, 1);
            $a  = base_convert(ord($x), 10, 2);
            $a = substr('00000000'.$a, -8);
            if ($n < $start){
                if (substr($a, 0, 1) == 0) {
                }elseif (substr($a, 0, 3) == 110) {
                    $i += 1;
                }elseif (substr($a, 0, 4) == 1110) {
                    $i += 2;
                }
                $n++;
            }else{
                if (substr($a, 0, 1) == 0) {
                    $r[ ] = substr($str, $i, 1);
                }elseif (substr($a, 0, 3) == 110) {
                    $r[ ] = substr($str, $i, 2);
                    $i += 1;
                }elseif (substr($a, 0, 4) == 1110) {
                    $r[ ] = substr($str, $i, 3);
                    $i += 2;
                }else{
                    $r[ ] = '';
                }
                if (++$m >= $lenth){
                    break;
                }
            }
        }
        return join($r);
    } // End subString_UTF8;

使用方法和之前介绍的一样，比如formatName可以实现如下（这对汉字长度做了小优化）：

function formatName($str, $size){
    $len = strlen_UTF8($str);
    $one_len = strlen($str);
    $size = $size * 1.5 * $len / ($one_len);
    if(strlen_UTF8($str) > $size) {
        $part1 = subString_UTF8($str, 0, $size / 2);
        $part2 = subString_UTF8($str, $len - ($size/2), $len);
        return $part1 . "..." . $part2;
    } else {
        return $str;
    }
}