PHP实现中文截取无乱码

 1 <?php
 2 /**
 3  * 中文截取无乱码
 4  * 下面自定义一个函数实现中文截取无乱码,由于中文字符是多字节编码实现的,所以
 5  * 在截取的时候不仅要知道从哪里开始截取还要知道截取几个字节,在这一点上utf-8
 6  * 实现的比较好,这种编码可以通过最高位字节来区分该字符占几个字节的编码
 7  * 
 8  * UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码,由Ken Thompson于1992年创建。
 9  * 
10  * 通过查询相关资料可知:
11  * utf-8最高位字节与该字符所占字节数有以下对应关系
12  * 0xxx xxxx        占1字节
13  * 110x xxxx        占2字节
14  * 1110 xxxx        占3字节
15  * 一般三个字节能够表示所有汉字对应编码
16  */
17 /**
18  * @param  str   $str    被截取的字符串
19  * @param  int   $length 需要截取长度，即需要截取的字符个数
20  */
21 function mulsubstr($str,$length){
22     if($length<=0){    //截取字符为0或负数，返回空字符串
23         return ‘‘;
24     }
25     $offset=0;  //截取每个字符时最高位字节的偏移量(位置),开始的时候截取第一个字符，该字符最高位字节位置为0
26     $chars=0;  //已经截取到的字符，开始时为0
27     $returnstr=‘‘;  //截取后返回的字符串  
28     while($chars<$length){  //只要已经截取到的字符没有达到需要截取的就继续截取
29         $highchar=  decbin(ord(substr($str, $offset,1))); //得到每个字符最高位字节编码字符,根据该编码字符判断向后截取几个字节
30         if(strlen($highchar)<8){ //该字符占一个字节时，按照上面的规律，返回字符编码二进制为0xxx xxxx的字符串形式,转为二进制时开头的0会舍弃，该字节就只有7位了,
31    //若此处使用if(substr($highchar,0,2)==‘01‘),则该判断永远不会生效,因为在decbin时最高位字节为0会舍去,这样就可以使用最高位字节长度来判断了,这点需要重点理解。
32             $cutbyte=1;//
33         }else if(substr($highchar,0,3)== ‘110‘){
34             $cutbyte=2;
35         }else if(substr($highchar, 0,4)== ‘1110‘){
36             $cutbyte=3;
37         }else if(substr($highchar,0,5)==‘11110‘){
38             $cutbyte=4;
39         }
40         //判断完对应字符编码所占字节后开始截取并拼接
41         $returnstr.=substr($str,$offset,$cutbyte);
42         $chars+=1;  //继续截取下一个字符
43         $offset+=$cutbyte;  //下一个字符最高字节偏移量
44     }
45     return $returnstr;  //返回需要截取的字符串 
46 }
47 $STR=‘中华人民共和国hubei省武汉市‘;
48 echo mulsubstr($STR, 13);  //中华人民共和国hubei省