PHP截取中文字符串乱码问题（UTF8编码下）

     前几天，去面试中遇到一个帮毕业就遇到的问题，PHP截取中文字符串乱码问题。究其根本php的字符串截取函数是根据字节来的，而汉字的编码一需要的不单单一个字节，那么自然就会出现乱码问题。

    现在常用的编码格式是UTF8,GBK,GBK2312,BIG5。GBK是GBK2312的升级。现在我开发中遇到的基本都是UTF8，GBK常用在论坛BBS上。今天自己写了下UTF8的，测试下还说的过去，毕竟从网上拷下来的是可以用，但是如果有时间最好还是自己写一下，这样只有到自己手里的才是自己的。

    今天写了UTF8的中文字符截取，不单单是截取从零开始，可以指定位置开始，当然如果是中文那么会中文下一个字符开始，结束是从指定的位置或者指定的汉字结束位置。

函数代码：

 

function subUTF8str($str,$start=0,$length=80){
    $str_length = strlen($str);//传入字符串的字节长度
    $end_length = $start + $length; //8 //预计结束字节
    $cut_length = 0; //截取的字节长度
    $cut_end = $cut_begin = false; //初始化截取状态

    if($start >= $str_length){ //如果字符串开始位置大于字符串总长度 那么返回空
        return null;
    }
    if( ($start == 0) && ($length >= $str_length) ){ //如果起始位置是0 截取长度大于等于总长度 直接返回
        return $str;
    }
    for($i=0; $i <= $str_length; $i++){
        if( ($start <= $i) && ($cut_begin === false) ){//如果这一个判断在第二个if后面则取下一个汉字为开头
            $cut_begin = $i;
        }
        if (ord($str[$i]) > 127){ //如果当前字符的ASCII 值大于127 则是认为是汉字
            $i += 2; //UTF-8汉字是24位三个字节 如果是汉字那么增加两位
            $cut_begin?$cut_length += 3:null;
        }else{
            $cut_begin?$cut_length += 1:null;
        }

        if( ($end_length <= $i) && ($cut_end === false) ){
            break;
        }
    }

    return substr($str, $cut_begin , $cut_length );
}

整体测试代码

header("Content-type:text/html;charset=UTF-8");
set_time_limit(0);
$str = '';
for($i=0;$i<1000;$i++){
    $str .='这里是截cefaACC截$%^&*截()_((截^&*^截*&%截%';
}

function subUTF8str($str,$start=0,$length=80){
    $str_length = strlen($str);//传入字符串的字节长度
    $end_length = $start + $length; //8 //预计结束字节
    $cut_length = 0; //截取的字节长度
    $cut_end = $cut_begin = false; //初始化截取状态

    if($start >= $str_length){ //如果字符串开始位置大于字符串总长度 那么返回空
        return null;
    }
    if( ($start == 0) && ($length >= $str_length) ){ //如果起始位置是0 截取长度大于等于总长度 直接返回
        return $str;
    }
    for($i=0; $i <= $str_length; $i++){
        if( ($start <= $i) && ($cut_begin === false) ){//如果这一个判断在第二个if后面则取下一个汉字为开头
            $cut_begin = $i;
        }
        if (ord($str[$i]) > 127){ //如果当前字符的ASCII 值大于127 则是认为是汉字
            $i += 2; //UTF-8汉字是24位三个字节 如果是汉字那么增加两位
            $cut_begin?$cut_length += 3:null;
        }else{
            $cut_begin?$cut_length += 1:null;
        }

        if( ($end_length <= $i) && ($cut_end === false) ){
            break;
        }
    }

    return substr($str, $cut_begin , $cut_length );
}
echo time().'<br/>';
for($i=0;$i<1000;$i++){
    $begin = rand(1,100);
    $length = rand(1,1000);
    echo subUTF8str($str,$begin,$length)."\n";
}
echo time().'<br/>';

下次有机会写其他编码格式的