PHP截取中文字符串方法详解

php自带的一个截取字符串的函数substr，但其只能处理英文、数字却不能截取中文混排的。如果需要在PHP中进行GB2312与UTF-8的互换，需要php_iconv.dll的支持（PHP4中包含此文件）。php5内建支持iconv，更加方便了。不管是uft-8编码转换为gb2312,还是将 gb2312 转换为 uft-8，PHP4.3.1以后的iconv函数很方便，只是需要自己写一个uft8到unicode的转换函数。处理中文的字符串截取函数mb_substr()是在PHP4.0.6后引入的，其自身支持不同编码字符的处理，所以一些新的PHP框架其实已经支持mb_substr()了。

处理函数汇总：

[php]  view plain  copy

1. function cutstr($string, $length, $dot = ' ...')   
2. {   //截字符串函数    GBK,UTF8  
3.     $charset = 'utf-8';  
4.       
5.     if(strlen($string) <= $length)  
6.     {   //边界条件  
7.         return $string;  
8.     }  
9.   
10.     $string = str_replace(array('&', '"', '<', '>'), array('&', '"', '<', '>'), $string);  
11.       
12.     $strcut = '';  
13.     if(strtolower($charset) == 'utf-8') {  
14.   
15.         $n = $tn = $noc = 0;  
16.         while($n < strlen($string)) {  
17.   
18.         $t = ord($string[$n]);  
19.         if($t == 9 || $t == 10 || (32 <= $t && $t <= 126)) {  
20.             $tn = 1; $n++; $noc++;  
21.         } elseif(194 <= $t && $t <= 223) {  
22.             $tn = 2; $n += 2; $noc += 2;  
23.         } elseif(224 <= $t && $t <= 239) {  
24.             $tn = 3; $n += 3; $noc += 2;  
25.         } elseif(240 <= $t && $t <= 247) {  
26.             $tn = 4; $n += 4; $noc += 2;  
27.         } elseif(248 <= $t && $t <= 251) {  
28.             $tn = 5; $n += 5; $noc += 2;  
29.         } elseif($t == 252 || $t == 253) {  
30.             $tn = 6; $n += 6; $noc += 2;  
31.         } else {  
32.             $n++;  
33.         }  
34.   
35.         if($noc >= $length) {  
36.             break;  
37.         }  
38.   
39.     }  
40.     if($noc > $length)   
41.     {  
42.         $n -= $tn;  
43.     }  
44.   
45.     $strcut = substr($string, 0, $n);  
46.   
47.     } else  
48.     {  
49.         for($i = 0; $i < $length; $i++)  
50.         {  
51.             $strcut .= ord($string[$i]) > 127 ? $string[$i].$string[++$i] : $string[$i];  
52.         }  
53.     }  
54.   
55.     $strcut = str_replace(array('&', '"', '<', '>'), array('&', '"', '<', '>'), $strcut);  
56.   
57.     return $strcut.$dot;  
58. }  

方法二：

[php]  view plain  copy

1. function len($string, $sublen = 80, $etc = '...',$break_words = false, $middle = false)  
2. {  
3. $start=0;  
4. $code="UTF-8";  
5.        if($code == 'UTF-8')   
6.    {   
7.        $pa = "/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|\xe0[\xa0-\xbf][\x80-\xbf]|[\xe1-\xef][\x80-\xbf][\x80-\xbf]|\xf0[\x90-\xbf][\x80-\xbf][\x80-\xbf]|[\xf1-\xf7][\x80-\xbf][\x80-\xbf][\x80-\xbf]/";   
8.        preg_match_all($pa, $string, $t_string);  
9.        if(count($t_string[0]) - $start > $sublen) return join('', array_slice($t_string[0], $start, $sublen))."...";   
10.        return join('', array_slice($t_string[0], $start, $sublen));   
11.    }   
12.    else   
13.    {   
14.        $start = $start*2;   
15.        $sublen = $sublen*2;   
16.        $strlen = strlen($string);   
17.        $tmpstr = '';  
18.        for($i=0; $i<$strlen; $i++)   
19.        {   
20.            if($i>=$start && $i<($start+$sublen))   
21.            {   
22.                if(ord(substr($string, $i, 1))>129)   
23.                {   
24.                    $tmpstr.= substr($string, $i, 2);   
25.                }   
26.                else   
27.                {   
28.                    $tmpstr.= substr($string, $i, 1);   
29.                }   
30.            }   
31.            if(ord(substr($string, $i, 1))>129) $i++;   
32.        }   
33.        if(strlen($tmpstr)<$strlen ) $tmpstr.= "...";   
34.        return $tmpstr;   
35.    }  
36. }  

方法三（兼容mb_substr）：

[php]  view plain  copy

1. /** 
2.  +---------------------------------------------------------- 
3.  * 字符串截取，支持中文和其他编码 
4.  +---------------------------------------------------------- 
5.  * @static 
6.  * @access public 
7.  +---------------------------------------------------------- 
8.  * @param string $str 需要转换的字符串 
9.  * @param string $start 开始位置 
10.  * @param string $length 截取长度 
11.  * @param string $charset 编码格式 
12.  * @param string $suffix 截断显示字符 
13.  +---------------------------------------------------------- 
14.  * @return string 
15.  +---------------------------------------------------------- 
16.  */  
17. function msubstr($str, $start, $length, $charset="utf-8", $suffix=true)  
18. {  
19.     if(function_exists("mb_substr")){  
20.         $slice = mb_substr($str, $start, $length, $charset);  
21.     }elseif(function_exists('iconv_substr')) {  
22.         $slice = iconv_substr($str,$start,$length,$charset);  
23.         if(false === $slice) {  
24.             $slice = '';  
25.         }  
26.     }else{  
27.         $re['utf-8']   = "/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}/";  
28.         $re['gb2312'] = "/[\x01-\x7f]|[\xb0-\xf7][\xa0-\xfe]/";  
29.         $re['gbk']    = "/[\x01-\x7f]|[\x81-\xfe][\x40-\xfe]/";  
30.         $re['big5']   = "/[\x01-\x7f]|[\x81-\xfe]([\x40-\x7e]|\xa1-\xfe])/";  
31.         preg_match_all($re[$charset], $str, $match);  
32.         $slice = join("",array_slice($match[0], $start, $length));  
33.     }  
34.     return $suffix ? $slice.'...' : $slice;  
35. }