如何利用PHP來截取一段中文字符串而不出現亂碼

標題：如何利用PHP來截取一段中文字符串而不出現亂碼

作者:jeffwu(327wu@263.net)
[code:1:e818e36f81]
/*
功能：截取全角和半角混合的字符串以避免亂碼
參數：
$str_cut 需要截斷的字符串
$length  允許字符串顯示的最大長度

*/

function substr_cut($str_cut,$length = 30){ 

if (strlen($str_cut) > $length){
  for($i=0; $i < $length; $i++)
   if (ord($str_cut[$i]) > 128) $i++;
  $str_cut = substr($str_cut,0,$i) . "...";
}
return $str_cut;
}

[/code:1:e818e36f81]
說明：
程序的關鍵語句是：
[code:1:e818e36f81]
for($i=0; $i < $length; $i++)
if (ord($str_cut[$i]) > 128) $i++;

$str_cut = substr($str_cut,0,$i) . "...";
[/code:1:e818e36f81]
如果字符的ASCII碼大于128，說明當前字符和下一個字符是屬于一個漢字的。
則，$i++ 跳過對下一個字符的判斷。
再結合循環中的 $i++ ，實際上，當遇到一個漢字時，$i 就會加 2 ，從而正確的跳過漢字。
最終實現的效果是，$i 變量指向的要么是半角的字符，要么是全角漢字的首字符，不會指向
全角漢字的第二個字符，所以，當$i >= $length 時，循環結束，使用
$str_cut = substr($str_cut,0,$i) . "..."; 截取字符時自然也就不會出現亂碼了。


本人在寫一個程序時需要利用PHP從一段字符串中截取指定長度的一段字符下來。以前在寫ASP的時候，參考動網的程序寫過類似的程序，不過，還沒用PHP寫過。

想偷懶，看有不有現成的代碼可以用。于是，在GOOGLE中輸入：PHP 截斷字符 后查找到一段代碼。

全文：http://www.yesky.com/SoftChannel/72342371945349120/20020510/1610570_3.shtml

引用：
#########################################################################
　　如何分別全角和半角以避免亂碼? 

　　我們可以寫這樣一個函數來實現： 
[code:1:e818e36f81]
function ChgTitle($title) 
{ 
$length = 46; //我們允許字符串顯示的最大長度
if (strlen($title)＞$length) { 
$temp = 0; 
for($i=0; $i＜$length; $i++) 
if (ord($title[$i]) ＞ 128) $temp++; 
if ($temp%2 == 0) 
$title = substr($title,0,$length)."..."; 
else 
$title = substr($title,0,$length+1)."..."; 
} 
return $title; 
}  
[/code:1:e818e36f81]
　　這個函數原理就是截斷一個字符，看看其ascII碼是不是大于128，如果是，說明截斷的是一個全角漢字，那么就退后一個截斷。用$length控制長度 

　　備注：循環判斷字符串里面的 ＞128 的字符個數，如果半角字符為偶數，則表示位置剛好為整個漢字，如果為奇數，則為半個漢字，需要取下一個字符

#######################################################################

消化、測試這段代碼后發現有問題。經過反復調試，查找出，這段代碼基于的原理不正確。
它認為，漢字的兩個字節其ASCII碼都會大于128，其實不然，一個漢字的首個字節的ASCII碼
必定是大于128的，但是第二個字節的ASCII碼不一定大于128，例如："祐",其兩個字節的ASCII
碼分別為：181 和 118。

經過仔細分析，最終，我利用上面的函數實現了對全角和半角字符串的截取。

一點點體會，寫出來也是想和大家一起交流、學習。我不知道是不是有人已經寫過上面的函數，不過，
我還沒能讀到，也就只能自己琢磨了，呵呵。

歡迎有興趣的朋友來信交流。

longnetpro 回復于：2003-11-26 02:26:16

要想搞得更精確一點的話，請看GB2312的編碼規則 gb2313是這樣的，第一字節范圍是0x80 - 0xFE；第二字節范圍是 0x40 - 0xFE，但不能為0x7F。 還可以用正則表達式，假如你想得到前三十個漢字（不是字節），可用 /^([\x00-\x7F]|[\x80-\xFE][\x40-\x7E\x80-\xFE]){30}/ 我用的方法一貫是：將多字節碼（如中文）轉換為UNICODE，長度自然就出來了。不過一般只針對長度比較短的字符串，因為在一般的PHP編程中很少需要分析長的多字節編碼的字符串（如求長度或是截取其中一部分），而且就算是不轉換成UNICODE循環也很慢，不值得推薦，肯定需要用到擴展模塊的（如mbstring多字節碼字符串模塊）。而用UNICODE轉換是比較通用的辦法，現在WINDOWS NT系列的操作系統都是用UNICODE作底層統一編碼的。

netkiller 回復于：2003-11-26 09:01:02

哈哈．．樓主例只，只能用于ＧＢ２３１２，如果是ＧＢ１８０３０，ＧＢＫ不知可以嗎？？？？ [quote:bdf0b87f3e="longnetpro"]E\x80-\xFE]){30}/ 我用的方法一貫是：將多字節碼（如中文）轉換為UNICODE，長度自然就出來了。不過一般只針對長度比較短的字符串，因為在一般的PHP編程中很少需要分析長的多字節編碼的字符串（如求長度或是截取?.........[/quote:bdf0b87f3e] 我的整個站點都是ＵＴＦ－８的．．數據庫使用ＵＮＩＣＯＤＥ　數據存儲ＵＴＦ－８ member=> select substring('數據庫的編碼是用系統表' from 1 for 4);  substring -----------  數據庫的 (1 row)   member=> select substring('數據庫的編碼是用系統表' from 1 for 2);  substring -----------  數據 (1 row)   member=> select * from 組; 序號 |     組名     |         描述 ------+--------------+----------------------     1 | 域用戶       | 9812.net域內用戶     3 | 計算機維護組 | 維護計算機的用戶用戶 (2 rows)   member=> select 組名,substring(描述 from 1 for 5) as 描述 from 組;      組名     |    描述 --------------+------------  域用戶       | 9812.  計算機維護組 | 維護計算機 (2 rows)

longnetpro 回復于：2003-11-26 11:20:54

你這個是對特殊設置的數據庫可行，比較通用的辦法還是用PHP即時轉換吧。 我前一個月寫了一個漢字編碼轉換的程序，支持UTF8，UTF16BE、LE，UTF32BE、LE，GB18030，BIG5的互轉，支持繁簡互轉，中間代碼用UNICODE。 演示地址： 簡體 http://members.lycos.co.uk/longnetpro/encoding/ 繁體 http://members.lycos.co.uk/longnetpro/encoding/?lang=cht 因為是演示版，并顧及到服務器安全性，因此我限制了它的很多功能，轉換也只限于UTF8，GB18030，BIG5，但該類本身的功能是完整的。 注意，如果是文件轉換，只能轉換TXT文件。

netkiller 回復于：2003-11-26 17:06:51

[quote:3ae2976a31="longnetpro"]你這個是對特殊設置的數據庫可行，比較通用的辦法還是用PHP即時轉換吧。 我前一個月寫了一個漢字編碼轉換的程序，支持UTF8，UTF16BE、LE，UTF32BE、LE，GB18030，BIG5的互轉，支持繁簡互轉，中間代碼用UNICODE。 ..........[/quote:3ae2976a31] 不支持UNICODE.的數據就是不合格產品.. 你那么轉來轉去.煩不煩...影響性能... 如果要轉碼.使用iconv 函數就行了.編譯時加--with-iconv 數據本身也支持 select convert(描述,'UNICODE','GBK')as desc from 組; select convert(組名 using utf_8_to_gb18030) from 組; http://home.9812.net/linux/article/postgres/postgresql.htm 請看看.. 11.8.2 PHP

longnetpro 回復于：2003-11-26 20:35:36

[quote:87a95e989e="netkiller"] 不支持UNICODE.的數據就是不合格產品.. 你那么轉來轉去.煩不煩...影響性能... 如果要轉碼.使用iconv 函數就行了.編譯時加--with-iconv 數據本身也支持 select convert(描述,'UNICODE','GBK')as desc from ?.........[/quote:87a95e989e] 不支持UNICODE的數據就是不合格產品？可能你這么認為，可很多老外并不這么認為的。其實說白了，UNICODE還是為了照顧非拉丁文字語言而搞的，它為什么一定要支持？因為UNICODE只是一個組織定的標準，并不一定被所有人認同，其實現在還有爭議。還有一個原因是UNICODE在很多情況下也并非絕對完美的方案。 你嫌煩就算了，又沒有要你用！性能和效率問題我已盡量考慮了。再說了，你要有所得必定有所失。 任何一種方法都有各自的優缺點的，什么事也不都是完全按你想象那樣來的，不是所有的人的需求和條件都和你一樣的。意外的情況也很多，但是只要你用得得法，用的場合得當，沒有什么不好的。不然的話，要是都明知道你的方法好，何必想方設法搞一些別的東西出來呢？一個東西的存在是有它存在的理由的，比如MS的產品，你能說它很好？但它為什么這么受歡迎？——當然你可能不喜歡它，我也不太喜歡它，但還是有很多人是喜歡它的。 所以以后發表結論的時候請客觀一點，看問題的視角多一點，不是只從自己出發。

netkiller 回復于：2003-11-27 09:08:11

[quote:1addfc0608="longnetpro"] 不支持UNICODE的數據就是不合格產品？可能你這么認為，可很多老外并不這么認為的。其實說白了，UNICODE還是為了照顧非拉丁文字語言而搞的，它為什么一定要支持？因為UNICODE只是一個組織定的標準，并不一定被所有..........[/quote:1addfc0608] 這是直接使用UNICODE與間接使用... 的問題. UNICODE還是為了照顧非拉丁文字語言而搞的..不是為了"照顧". 而是為了跨平臺兼容.. UNICODE 使你的數據庫可以存儲,中文(繁,簡,蒙古,藏文....),日文,韓文.啊拉伯..等等..... 一個中文漢字長=假名長=韓文長=啊拉伯字長=英文....... 好處不用說... [quote:1addfc0608] 所以以后發表結論的時候請客觀一點，看問題的視角多一點，不是只從自己出發。  [/quote:1addfc0608] 你可以看看我寫的文檔.. [url]http://home.9812.net/linux/article/postgres/postgresql.htm[/url] 11.8       漢字編碼問題 文中提供了.4轉碼方案.(包括原代碼) 視角還不夠多嗎? 目前還沒想出其它方案.

longnetpro 回復于：2003-11-27 10:04:08

從postgresql的角度來說，你的方法是很好，也的確簡單易行。但并不是所有的用戶都是用這種數據庫的，也不是所有的用戶都是用這種方式的。也不是所有的數據庫都支持UNICODE的——因為現在就是存在有很多的“不合格產品”，你能怎么辦？并非說你的方法不好，也并非說UNICODE不好，我也用UNICODE，我也需要轉換。我所說的多視角也并非指方案有多少（你的所有方案都只是基于postgresql的），而是說不能只站在你熟悉的角度上看問題。你的好的方法和建議我會接受的。

netkiller 回復于：2003-11-27 10:26:01

我的方法同樣適合ＳＱＬ９９的數據．如Oracle 一般不合格數據都是ＳＱＬ９２的．如果他不支持ＵＮＩＣＯＤＥ．為什么拿到其它國家銷售呢．．？？？哈哈．．． :) ＭＳ Sqlserver , Sybase 雖然是ＳＱＬ９２但他加了很多自己東東．跟本不是ＡＳＮＩ　的ＳＱＬ?。病。樱眩蹋梗?br>

znsoft 回復于：2003-11-28 10:19:29

hehe,這段代碼最早是我在phpease.com發表的，來源于幾年前作的漢字顯示研究:) 往事不在,phpease.com也關門， 當年php紅火的場面也不在了，但欣慰的是用php 的人越來越多了 上面的邊界字符還有問題，最好的是判斷 是否大于0xa0,這是漢字的第一個字符開始的編碼

netkiller 回復于：2003-11-28 11:44:40

哈哈.phpease.com 我和站長聊過.. 我讓他和其它站合作..走合并路..

原文轉自：http://www.anti-gravitydesign.com