php 中文字符串截取函数

中文字符串截取处理一直是phper们的头疼的问题。尽管，我们可以加载mb_*函数，如果你使用是自己的独立服务器的话；尽管，下一代的PHP6原生支持unicode，貌似php6实际生产环境还没有影。太多的尽管，也很头疼，我们只能自己动手写一个简单的函数，满足中文处理的需求。自己动手，丰衣足食嘛^_^!

我们把函数原型定义为：my_substr($str = ”, $offset = 0, $len = 0);

和mb_substr很像吧。

要用到的函数有 strlen、 preg_match_all、implode和array_slice

还记得preg_match_all 中匹配模式中的”u”修正符吗？

此修正符启用了一个 PCRE 中与 Perl 不兼容的额外功能。模式字符串被当成 UTF-8。本修正符在 Unix 下自 PHP 4.1.0 起可用，在 win32 下自 PHP 4.2.3 起可用。自 PHP 4.3.5 起开始检查模式的 UTF-8 合法性。

<?php
//使用 preg_match_all 匹配所有多字节字符。将结果保存到$result数组中
preg_match_all('/./us', $str, $result);
?>

接着只需要使用 array_slice 函数取出字符串数组中响应数值就可以了，全部代码如下：

<?php
function my_substr($str = '', $offset = 0, $len = 0){
    $len || ($len = strlen($str));
    preg_match_all('/./us', $str, $result);
    return implode('', array_slice($result[0], $offset, $len));
}
?>

需要注意到的是，如果你使用的是PHP版本是4.2.3之前的老版本，可能”u”选项不会起作用；我们需要更复杂一些的代码来做中文字符串截取工作了。Wordpress中的一段代码，很好地解决了这个问题

<?php
if (!function_exists('mb_substr')) {
        function mb_substr($str, $start, $len = '', $encoding="UTF-8"){
                $limit = strlen($str);

                for ($s = 0; $start > 0;--$start) {// found the real start
                        if ($s >= $limit)
                                break;

                        if ($str[$s] <= "\x7F")
                                  ++$s;
                       else {
                                    ++$s; // skip length
                                   while ($str[$s] >= "\x80" && $str[$s]<= "\xBF")
                                          ++$s;
                       }
                      }
                     if ($len == '')        return substr($str, $s);
                      else
                      for ($e = $s; $len > 0; --$len) {//found the real end
                                if ($e >= $limit)
                                        break;

                                if ($str[$e] <= "\x7F")
                                   ++$e;
                                else {
                                 ++$e;//skip length
while ($str[$e] >= "\x80" && $str[$e] <= "\xBF" && $e < $limit)
                                                ++$e;
                                }
                        }

                return substr($str, $s, $e - $s);
        }
}
?>

可能你已经看出来了，上面的代码都是针对UTF-8编码格式的多字节字符，如果需要使用gbk或gb2312字符集，则需要使用iconv函数进行一下简单的转换。
函数原型如下：

<?php
string iconv ( string $in_charset , string $out_charset , string $str );
?>

window下可以使用一个叫“超级批量编码转换 1.0” 的软件进行字符编码的批量转换工作。