php 中文字符串截取有关问题？

php 中文字符串截取问题？？？
因为用substr()函数截取中文字符串会出现问题，所以我就上网找了一个函数，如下：

PHP code

//中文字符串截取无乱码函数function cut_str($string, $start, $length) {   if(strlen($string)>$length){      $str = null;      $len = $start+$length;      for($i=$start;$i<$len;$i++){        if(ord(substr($string,$i,1))>0xa0){           $str.=substr($string,$i,2);           $i++;        }else{            $str.=substr($string,$i,1);          }   }        return $str.'...';   }else{        return $string;   }}    

但是用过之后还是会出现问题，比如我截取的是“利用滤镜及图层样式制作逼真的石块字”，

PHP code

$str = "利用滤镜及图层样式制作逼真的石块字";cut_str($str,0,50);

但是效果出来了却是这样的：“利用滤镜及图层样式制作逼真的石块?...”，除了个问号一样的字符，我郁闷啊，上网查了一下，汉子在utf-8编码中一般占3个字节，但是这个函数中这里“$str.=substr($string,$i,2);”却截取2，这是什么意思呢？？始终没有弄明啊。。。。如果我把2改成3后，那句就会变成“利?甔?滻??镜?及?图?山??样?弼??制?佽??逼?眜?的?石?坝?字...”，唉，，，真的被它搞败了，哪位大侠救救我啊。。。。。。。。。

[解决办法]
怎么不用mb_substr()函数
[解决办法]
你要确定你的编码。截取时指定编码。
[解决办法]
它是以字节计算的。gbk编码。一个中文等于2个字节。
[解决办法]
当然是mb_substr了，楼主对编码看样不太懂。。。

utf8中文编码2-3个字符很常见，但非ASCII字符的单字节一定是第7位为1的，与ASCII单字节是不冲突的，GBK码也是类似的。

请用mb_substr，它会自动根据utf8编码范围识别多字节字符的。
[解决办法]
这个函数只适用于gbk编码

探讨

哈哈，研究了下手册，刚搞定，就是你说的，确定一下编码，但是我想知道那个函数为啥不行啊？？那个貌似是php面试的答案诶。前辈能否指点一二，特别是那里的2，utf-8中汉子明明是3-4个字符啊，而且常用的是3个字符啊。。。。。麻烦了

[解决办法]

PHP code

/**************************** * subCNchar() 截取汉字 * * [$str]     [要截取的字符串] * [$start]   [截取的起始位置] * [$length]  [要截取的长度] * [$charset] [字符串编码] ****************************/function subCNchar($str, $start = 0, $length, $charset = "utf-8") {    if (strlen($str) <= $length)        return $str;    $re['utf-8'] = "/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}/";    $re['gb2312'] = "/[\x01-\x7f]|[\xb0-\xf7][\xa0-\xfe]/";    $re['gbk'] = "/[\x01-\x7f]|[\x81-\xfe][\x40-\xfe]/";    $re['big5'] = "/[\x01-\x7f]|[\x81-\xfe]([\x40-\x7e]|\xa1-\xfe])/";    preg_match_all($re[$charset], $str, $match);    $slice = join("", array_slice($match[0], $start, $length));    return $slice;}
[解决办法]
为什么不能在后面加上.....
echo mb_strlen($str,'utf-8')>10 ? mb_substr($str,0,10,'utf-8').'...' : $str;
[解决办法]
加"..."见12楼,  

如果你非要改这个函数,utf8的编码很有规律,就是下面几种,除ascii码部分外,
第一个字节都是11开头,连续的1的个数代表了总字节数,后续字节都是10开头
其中汉字基本在3个字节的区.  
知道了这个规律,写个函数应该很容易吧?
U+007F   0xxxxxxx
U+07FF   110xxxxx 10xxxxxx
U+FFFF   1110xxxx 10xxxxxx 10xxxxxx
U+1FFFFF   11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
U+3FFFFFF  111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
U+7FFFFFFF 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx



探讨


那这个函数能不能改成utf-8的？？mb_substr()貌似不能在未输出完的字符结尾加上“...”诶，这样影响效果，求解

[解决办法]
你可以用mb_strimwidth函数 

 

查看更多 下一篇