php自定义中文字符串截取函数substr_for_gb2312及substr_for_utf8示例

下面我将为您详细讲解“php自定义中文字符串截取函数substr_for_gb2312及substr_for_utf8示例”的攻略。

分析问题

中文字符串截取是一个比较常见的需求，但是在PHP中的substr函数并不支持中文字符集，如果直接使用原生substr函数截取中文字符串会导致出现乱码或者截取不准确的问题。所以我们需要自定义中文字符串截取函数来解决这个问题。

解决方案

针对GB2312和UTF8编码集，我们分别实现了substr_for_gb2312和substr_for_utf8函数。其中，substr_for_gb2312函数用于处理GB2312编码集，substr_for_utf8函数用于处理UTF8编码集。

具体实现思路如下：

substr_for_gb2312函数

GB2312编码的中文字符由两个字节组成，每个字节的范围为0x81-0xFE和0x40-0xFE，因此我们可以通过判断当前截取位置的下一位是否属于这个范围内来判断当前位置是否为中文字符的一部分。如果是，则需要将当前位置前移一位，以确保不截取中文字符的一半。

代码实现：

function substr_for_gb2312($string, $start, $length) {
    $tmpstr = "";
    $len = $start + $length;
    for ($i = 0; $i < $len; $i++) {
        if (ord(substr($string, $i, 1)) > 0xa0) {
            $tmpstr .= substr($string, $i, 2);
            $i++;
        } else {
            $tmpstr .= substr($string, $i, 1);
        }
    }
    return $tmpstr;
}

substr_for_utf8函数

UTF8编码的中文字符由三个字节组成，其中第一个字节的前三位为111，第四位为0，后两个字节的前两位都为10。因此我们可以通过判断当前截取位置的下一位是否以10开头，并判断前面的两个字节是否符合1110xxxx的格式，来判断当前位置是否为中文字符的一部分。如果是，则需要将当前位置前移一个或两个字节，以确保不截取中文字符的一部分。

代码实现：

function substr_for_utf8($string, $start, $length) {
    $tmpstr = "";
    $len = $start + $length;
    for ($i = 0; $i < $len; $i++) {
        if (preg_match("/[\x80-\xff]/", substr($string, $i, 1))) {
            $tmpstr .= substr($string, $i, 3);
            $i += 2;
        } else {
            $tmpstr .= substr($string, $i, 1);
        }
    }
    return $tmpstr;
}

示例说明

示例1

假设有一个中文句子"这是一个测试句子"，需要截取前5个字符。我们可以使用substr_for_gb2312或substr_for_utf8函数进行截取。

代码实现：

$string = "这是一个测试句子";
$substring = substr_for_utf8($string, 0, 5); // 或者substr_for_gb2312($string, 0, 5);
echo $substring; // 输出结果为“这是一”

示例2

假设有一个中文句子"乱码测试，点击查看结果"，其中“，”和“点击查看结果”为不希望截取的信息，需要截取前10个字符。我们可以使用正则表达式来排除不希望截取的信息。

代码实现：

$string = "乱码测试，点击查看结果";
$substring = preg_replace("/<[^>]*>/is", '', $string); // 去除html标签
$substring = substr_for_utf8($substring, 0, 10); // 或者substr_for_gb2312($substring, 0, 10);
$substring = str_replace("，点击查看结果", "", $substring); // 去除不希望截取的信息
echo $substring; // 输出结果为“乱码测”

通过以上示例，我们可以看到substr_for_gb2312和substr_for_utf8函数的实现思路及使用方法，如果有类似的需求，只需要根据编码集的不同来选择相应的函数即可。