php 中文字符串截取问题？？？

Question

因为用substr()函数截取中文字符串会出现问题，所以我就上网找了一个函数，如下：
//中文字符串截取无乱码函数
function cut_str($string, $start, $length) {
   if(strlen($string)>$length){
      $str = null;
      $len = $start+$length;
      for($i=$start;$i<$len;$i++){
if(ord(substr($string,$i,1))>0xa0){
   $str.=substr($string,$i,2);
   $i++;
}else{ 
   $str.=substr($string,$i,1);
  
}
   }
        return $str.'...';
   }else{
        return $string;
   }
} 但是用过之后还是会出现问题，比如我截取的是“利用滤镜及图层样式制作逼真的石块字”，
$str = "利用滤镜及图层样式制作逼真的石块字";
cut_str($str,0,50);
但是效果出来了却是这样的：“利用滤镜及图层样式制作逼真的石块�...”，除了个问号一样的字符，我郁闷啊，上网查了一下，汉子在utf-8编码中一般占3个字节，但是这个函数中这里“$str.=substr($string,$i,2);”却截取2，这是什么意思呢？？始终没有弄明啊。如果我把2改成3后，那句就会变成“利�甔�滻��镜�及�图�山��样�弼��制�佽��逼�眜�的�石�坝�字...”，唉，，，真的被它搞败了，哪位大侠救救我啊

Answer 1

改成mb_substr后，如果单独试一下确实可以，但是从数据读出却还是那样子，我郁闷啊

Answer 2

哈哈，研究了下手册，刚搞定，就是你说的，确定一下编码，但是我想知道那个函数为啥不行啊？？那个貌似是php面试的答案诶。前辈能否指点一二，特别是那里的2，utf-8中汉子明明是3-4个字符啊，而且常用的是3个字符啊。。麻烦了

Answer 3

还有就是因为有的是中英文混合的，所以mb_substr貌似不能满足诶，所以，我先给自己写个函数，所以，想弄明白那个函数

Answer 4

它是以字节计算的。gbk编码。一个中文等于2个字节。

Answer 5

但是我的是utf-8编码的啊，应该是一个中文=3-4个字节，一般为3个啊，但是我改成3却更糟糕了，请问这是怎么回事呢？？？这个函数要改才能用吗？？又怎么改呢？

Answer 6

当然是mb_substr了，楼主对编码看样不太懂utf8中文编码2-3个字符很常见，但非ASCII字符的单字节一定是第7位为1的，与ASCII单字节是不冲突的，GBK码也是类似的。请用mb_substr，它会自动根据utf8编码范围识别多字节字符的。

Answer 7

那这个函数能不能改成utf-8的？？mb_substr()貌似不能在未输出完的字符结尾加上“...”诶，这样影响效果，求解

Answer 8

/****************************
 * subCNchar() 截取汉字 *
 * [$str]     [要截取的字符串]
 * [$start]   [截取的起始位置]
 * [$length]  [要截取的长度]
 * [$charset] [字符串编码]
 ****************************/
function subCNchar($str, $start = 0, $length, $charset = "utf-8") {
if (strlen($str) <= $length)
return $str; $re['utf-8'] = "/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}/";
$re['gb2312'] = "/[\x01-\x7f]|[\xb0-\xf7][\xa0-\xfe]/";
$re['gbk'] = "/[\x01-\x7f]|[\x81-\xfe][\x40-\xfe]/";
$re['big5'] = "/[\x01-\x7f]|[\x81-\xfe]([\x40-\x7e]|\xa1-\xfe])/";
preg_match_all($re[$charset], $str, $match); $slice = join("", array_slice($match[0], $start, $length)); return $slice;
}

Answer 9

为什么不能在后面加上.....
echo mb_strlen($str,'utf-8')>10 ? mb_substr($str,0,10,'utf-8').'...' : $str;  

Answer 10

加"..."见12楼, 如果你非要改这个函数,utf8的编码很有规律,就是下面几种,除ascii码部分外,
第一个字节都是11开头,连续的1的个数代表了总字节数,后续字节都是10开头
其中汉字基本在3个字节的区. 
知道了这个规律,写个函数应该很容易吧?
U+007F    0xxxxxxx
U+07FF    110xxxxx 10xxxxxx
U+FFFF    1110xxxx 10xxxxxx 10xxxxxx
U+1FFFFF   11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
U+3FFFFFF  111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
U+7FFFFFFF 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx