php截取等长UFT8中英文混合字串

由于需要，想实现“php截取等长UFT8中英文混合字串”，可是网上找了很多代码不是有乱码就是不能实现等长（以一个中文长度为单位，两个英文字母算一个长度，如‘等长’长度为2，‘UTF8’长度也是2）。

由于utf8编码时，中文为三个字节，英文为一个字节，用substr就会出现乱码，用mb_substr会出现上面的不等长问题，但不会有乱码；

我以字节为单位进行操作，简单实现了一个小程序。
只能在utf8编码是使用。

Php代码  

    /*utf8编码时截取等长中英文字串*/ //英文标点[.,\"\\?!:_']  

    <?  

    function substr_utf8($string,$start,$length)  

    {       //by aiou  

         $chars = $string;  

         //echo $string[0].$string[1].$string[2];  

         $i=0;  

         do{  

            if (preg_match ("/[0-9a-zA-Z]/", $chars[$i])){//纯英文  

                $m++;  

            }  

        else {$n++;     }//非英文字节,  

            $k = $n/3+$m/2;  

            $l = $n/3+$m;//最终截取长度；$l = $n/3+$m*2？  

            $i++;  

        } while($k < $length);  

         $str1 = mb_substr($string,$start,$l,'utf-8');//保证不会出现乱码  

         return $str1;  

    }  

 

测试结果：

Php代码  

    $string = '第一次截取，mb_substr返回的是字符串宽度是按“字”来计算';  

    $string1 = '第一次截取，返回的是字符串宽度是按“字”来计算';  

    $string2 = '第A一D次截取，返回的12345是字符串宽度是按“字”来计算';  

 

1.

Php代码  

    echo substr_utf8($string,0,1).'<br/>';  

    echo substr_utf8($string,0,2).'<br/>';  

    echo substr_utf8($string,0,3).'<br/>';  

    echo substr_utf8($string,0,4).'<br/>';  

    echo substr_utf8($string,0,5).'<br/>';  

    echo substr_utf8($string,0,6).'<br/>';  

    echo substr_utf8($string,0,7).'<br/>';  

    echo substr_utf8($string,0,8).'<br/>';  

    echo substr_utf8($string,0,9).'<br/>';  

    echo substr_utf8($string,0,10).'<br/>';  

    echo substr_utf8($string,0,11).'<br/>';  

    echo substr_utf8($string,0,12).'<br/>';  

    echo substr_utf8($string,0,13).'<br/>';  

    echo substr_utf8($string,0,14).'<br/>';  

    echo substr_utf8($string,0,15).'<br/>';  

    echo substr_utf8($string,0,16).'<br/>';  

    echo substr_utf8($string,0,17).'<br/>';  

    echo substr_utf8($string,0,18).'<br/>';  

    echo substr_utf8($string,0,19).'<br/>';  

    echo substr_utf8($string,0,20).'<br/>';  

 

第
第一
第一次
第一次截
第一次截取
第一次截取，
第一次截取，mb
第一次截取，mb_s
第一次截取，mb_sub
第一次截取，mb_subst
第一次截取，mb_substr
第一次截取，mb_substr返
第一次截取，mb_substr返回
第一次截取，mb_substr返回的
第一次截取，mb_substr返回的是
第一次截取，mb_substr返回的是字
第一次截取，mb_substr返回的是字符
第一次截取，mb_substr返回的是字符串
第一次截取，mb_substr返回的是字符串宽
第一次截取，mb_substr返回的是字符串宽度


2.

Java代码  

    $ss='1234567890abcdefghijklmnopqrst';  

    echo Utf8Helper::substr_utf8($ss,0,1).'<br/>';  

    echo Utf8Helper::substr_utf8($ss,0,2).'<br/>';  

    echo Utf8Helper::substr_utf8($ss,0,3).'<br/>';  

    echo Utf8Helper::substr_utf8($ss,0,4).'<br/>';  

    echo Utf8Helper::substr_utf8($ss,0,5).'<br/>';  

    echo Utf8Helper::substr_utf8($ss,0,6).'<br/>';  

    echo Utf8Helper::substr_utf8($ss,0,7).'<br/>';           

    echo Utf8Helper::substr_utf8($ss,0,8).'<br/>';           

    echo Utf8Helper::substr_utf8($ss,0,9).'<br/>';           

    echo Utf8Helper::substr_utf8($ss,0,10);  

12
1234
123456
12345678
1234567890
1234567890ab
1234567890abcd
1234567890abcdef
1234567890abcdefgh
1234567890abcdefghij

长度都以汉字数为基准。
基本上每两个英文字母、数字、英文标点算作一个汉字长度。看上去效果还不错。
改进一下还可以做其它编码下的。
效率没做测试，还没有这概念。