php 中文字符串截取函數 使用教程

中文字符串截取處理一直是phper們的頭疼的問題。盡管，我們可以加載mb_*函數，如果你使用是自己的獨立服務器的話；盡管，下一代的PHP6原生支持unicode，貌似php6實際生產環境還沒有影。太多的盡管，也很頭疼，我們只能自己動手寫一個簡單的函數，滿足中文處理的需求。自己動手，豐衣足食嘛^_^!

我們把函數原型定義為：my_substr($str = ”, $offset = 0, $len = 0);

和mb_substr很像吧。

要用到的函數有 strlen、 preg_match_all、implode和array_slice

還記得preg_match_all 中匹配模式中的”u”修正符嗎？

此修正符啟用了一個 PCRE 中與 Perl 不兼容的額外功能。模式字符串被當成 UTF-8。本修正符在 Unix 下自 PHP 4.1.0 起可用，在 win32 下自 PHP 4.2.3 起可用。自 PHP 4.3.5 起開始檢查模式的 UTF-8 合法性。

<?php
//使用 preg_match_all 匹配所有多字節字符。將結果保存到$result數組中
preg_match_all('/./us', $str, $result);
?>

接著只需要使用 array_slice 函數取出字符串數組中響應數值就可以了，全部代碼如下：

<?php
function my_substr($str = '', $offset = 0, $len = 0){
    $len || ($len = strlen($str));
    preg_match_all('/./us', $str, $result);
    return implode('', array_slice($result[0], $offset, $len));
}
?>

需要注意到的是，如果你使用的是PHP版本是4.2.3之前的老版本，可能”u”選項不會起作用；我們需要更復雜一些的代碼來做中文字符串截取工作了。Wordpress中的一段代碼，很好地解決了這個問題

<?php
if (!function_exists('mb_substr')) {
        function mb_substr($str, $start, $len = '', $encoding="UTF-8"){
                $limit = strlen($str);

                for ($s = 0; $start > 0;--$start) {// found the real start
                        if ($s >= $limit)
                                break;

                        if ($str[$s] <= "\x7F")
                                  ++$s;
                       else {
                                    ++$s; // skip length
                                   while ($str[$s] >= "\x80" && $str[$s]<= "\xBF")
                                          ++$s;
                       }
                      }
                     if ($len == '')        return substr($str, $s);
                      else
                      for ($e = $s; $len > 0; --$len) {//found the real end
                                if ($e >= $limit)
                                        break;

                                if ($str[$e] <= "\x7F")
                                   ++$e;
                                else {
                                 ++$e;//skip length
while ($str[$e] >= "\x80" && $str[$e] <= "\xBF" && $e < $limit)
                                                ++$e;
                                }
                        }

                return substr($str, $s, $e - $s);
        }
}
?>

可能你已經看出來了，上面的代碼都是針對UTF-8編碼格式的多字節字符，如果需要使用gbk或gb2312字符集，則需要使用iconv函數進行一下簡單的轉換。
函數原型如下：

<?php
string iconv ( string $in_charset , string $out_charset , string $str );
?>

window下可以使用一個叫“超級批量編碼轉換 1.0” 的軟件進行字符編碼的批量轉換工作。