实现中文字符串截取无乱码的方法

小伙伴们大家好，使用substr()截取中文字符乱码的问题怎么解决呢？

看下面的方法：

方法一：

使用php内置函数mb_substr()；
    mb_substr( $str, $start, $length, $encoding )
        $str，需要截断的字符串
            $start，截断开始处，起始处为0
            $length，要截取的字符数
            $encoding，网页编码，如utf-8,GB2312,GBK ，如果省略，则会使用内部字符编码

 <?php>$str = "我爱学PHP我想成为一名PHPER";echo mb_substr($str,0).'<br>';echo mb_substr($str,2,4).'<br>';echo mb_substr($str,0,4).'<br>';echo mb_substr($str,0,-2).'<br>';echo mb_substr($str,-8).'<br>';echo mb_substr($str,-8,5).'<br>';echo mb_substr($str,-8,-1).'<br>';
<?>

结果如下图：

需要注意的是$length为负数时，如为-1，则表示到尾部数第二个字符

$start为负数时，如为-1，则表示从尾部数第一个字符

疑问：当$encoding为默认或者utf-8的时候，结果是正常的，当为GB2312或者GBK的时候结果会出现乱码的情况，为什么？

答：我的环境默认是UTF-8编码，所以默认的时候也是正常。

方法二：

自定义函数；通过join()和array_slice()自定义函数；

<?php header('Content-Type:text/html;charset:utf8'); //utf8编码字符串截取无乱码function substr_utf8($str,$start,$length=null){return join("",array_slice(preg_split("//u",$str,-1,PREG_SPLIT_NO_EMPTY),$start,$length));}echo substr_utf8($str,0,10); //输出：我爱学PHP我想成为?>

结果如图：

和使用mb_substr()得到一样的结果

补充：

array_slice() 函数在数组中根据条件取出一段值，并返回。

$a=array("a"=>"red","b"=>"green","c"=>"blue","d"=>"yellow","e"=>"brown");
print_r(array_slice($a,1,2,false));
print_r(array_slice($a,1,2,true));$a=array("red","green","blue","yellow","brown");
print_r(array_slice($a,1,2));
print_r(array_slice($a,1,2,true));

输出的值为：

说明了当数组为关联数组时，preserve为true或false结果都一样会保留键值

数组为索引数组时，preserve为true保留键值，false重置键值

array_slice(array,start,length,preserve)

参数   描述
                array   必需。规定数组。
                start   必需。数值。规定取出元素的开始位置。 0 = 第一个元素。如果该值设置为正数，则从前往后开始取。如果该值设置为负数，则从后向前取 start 绝对值。 -2 意味着从数组的倒数第二个元素开始。

length 可选。数值。规定被返回数组的长度。如果该值设置为整数，则返回该数量的元素。如果该值设置为负数，则函数将在举例数组末端这么远的地方终止取出。如果该值未设置，则返回从 start 参数设置的位置开始直到数组末端的所有元素。

preserve 可选。规定函数是保留键名还是重置键名。可能的值：

true - 保留键名
false - 默认。重置键名

方法三：

mb_strcut();

echo mb_strcut($str,0,3,'utf-8').'<br>';  // 我echo mb_strcut($str,3,5,'utf-8').'<br>';  // 爱

mb_strcut() 和mb_substr()类似，都是从字符串中提取子字符串，但是按字节数来执行，而不是字符个数。如果截断位置位于多字节字符两个字节的中间，将于该字符的第一个字节开始执行。这也是和substr()函数的不同之处，后者简单地将字符串在字节之间截断，这将导致一个畸形的字节序列。

注意：

占2个字节的：带有附加符号的拉丁文、希腊文、西里尔字母、亚美尼亚语、希伯来文、阿拉伯文、叙利亚文及它拿字母则需要二个字节编码

占3个字节的：基本等同于GBK，含21000多个汉字

占4个字节的：中日韩超大字符集里面的汉字，有5万多个

一个utf8数字占1个字节

一个utf8英文字母占1个字节

少数是汉字每个占用3个字节，多数占用4个字节。