• 真正根据utf8编码的规律来进行截取的字符的函数,utf8版sub_str


      真正根据utf8编码的规律来进行截取的字符的函数,utf8版sub_str 支持1~6个字节的字符的截取,而非只针对中文,比网上的全。

         /*
        * 功能: 作用跟substr一样,除了它不会造成乱码
        * 参数: 
        * 返回:
        */
        function utf8_substr( $str , $start , $length=null ){
            
            // 先正常截取一遍.
            $res = substr( $str , $start , $length );
            $strlen = strlen( $str );
            
            /* 接着判断头尾各6字节是否完整(不残缺) */
    
            // 如果参数start是正数
            if ( $start >= 0 ){
                // 往前再截取大约6字节
                $next_start = $start + $length; // 初始位置
                $next_len = $next_start + 6 <= $strlen ? 6 : $strlen - $next_start;
                $next_segm = substr( $str , $next_start , $next_len ); 
    
                // 如果第1字节就不是 完整字符的首字节, 再往后截取大约6字节
                $prev_start = $start - 6 > 0 ? $start - 6 : 0;
                $prev_segm = substr( $str , $prev_start , $start - $prev_start );
            }
            // start是负数
            else{
                // 往前再截取大约6字节
                $next_start = $strlen + $start + $length; // 初始位置
                $next_len = $next_start + 6 <= $strlen ? 6 : $strlen - $next_start;
                $next_segm = substr( $str , $next_start , $next_len );
                
                // 如果第1字节就不是 完整字符的首字节, 再往后截取大约6字节.
                $start = $strlen + $start;
                $prev_start = $start - 6 > 0 ? $start - 6 : 0;
                $prev_segm = substr( $str , $prev_start , $start - $prev_start );
            }
    
            // 判断前6字节是否符合utf8规则
            if ( preg_match( '@^([\x80-\xBF]{0,5})[\xC0-\xFD]?@' , $next_segm , $bytes ) ){
                if ( !empty( $bytes[1] ) ){
                    $bytes = $bytes[1];
                    $res .= $bytes;
                }
            }
    
            // 判断后6字节是否符合utf8规则
            $ord0 = ord( $res[0] );
            if ( 128 <= $ord0 && 191 >= $ord0 ){
                // 往后截取 , 并加在res的前面.
                if ( preg_match( '@[\xC0-\xFD][\x80-\xBF]{0,5}$@' , $prev_segm , $bytes ) ){
                    if ( !empty( $bytes[0] ) ){
                        $bytes = $bytes[0];
                        $res = $bytes . $res;
                    }
                }
            }
    
            return $res;
        }


    测试数据::
    <?php
        $str = 'dfjdjf测13f试65&2数据fdj(1就mfe&……就';
        var_dump( utf8_substr( $str , 22 , 12 ) );  echo ' <br /> ';
        var_dump( utf8_substr( $str , 22 , -6 ) ); echo ' <br /> ';
        var_dump( utf8_substr( $str , 9 , 12 ) ); echo ' <br /> ';
        var_dump( utf8_substr( $str , 19 , 12 ) ); echo ' <br /> ';
        var_dump( utf8_substr( $str , 28 , -6 ) ); echo ' <br /> ';

    显示结果::(截取无乱码, 欢迎大家测试, 提交bug)
    string(12) "据fdj"
    string(26) "据fdj(1就mfe&…"
    string(13) "13f试65&2数"
    string(12) "数据fd"
    string(20) "dj(1就mfe&…"

  • 相关阅读:
    首个融合场景图知识的多模态预训练模型 ERNIE-ViL
    RAKE 快速、简单的关键词抽取算法
    3种常用的词向量训练方法的代码,Word2Vec, FastText, GloVe快速训练
    关键词提取新方法-YAKE! Collection-independent Automatic Keyword Extractor
    输入一个正整数,按照从小到大的顺序输出它的所有质因子(如180的质因子为2 2 3 3 5 )
    textRank算法
    不允许有匹配 "[xX][mM][lL]" 的处理指令目标
    idea: package下面的XML文件沒有複製
    delphi:调用java webservice时,传参始终为空
    tomcat:指定JDK运行
  • 原文地址:https://www.cnblogs.com/wangqishu/p/2734789.html
Copyright © 2020-2023  润新知