支持中文的PHP字符串截取函数 （附各语言的字符集编码范围）

   字符串截取是一个非常常见的编程任务，而往往带中文的字符串截取会经常用到。虽然不难，但是自己写函数实现又耗费时间，这里介绍一个比较好用的字符串截取函数，能够胜任基本的需求了。 

首页要知道的：
1、中文字符在gbk编码下占2个字节，在utf-8编码下占3个字节

2、ord() 函数返回字符串第一个字符的 ASCII 值

3、中文字符的ASCII值是大于0xa0。

01

<?php

02	function sysSubStr($string,$length,$append = false)

03

{

04	if(strlen($string) <= $length )

05

{

06	return $string;

07

}

08

else

09

{

10

$i = 0;

11	while ($i < $length)

12

{

13	$stringTMP = substr($string,$i,1);

14	if ( ord($stringTMP) >=224 )

15

{

16	$stringTMP = substr($string,$i,3);

17	$i = $i + 3;

18

}

19	elseif( ord($stringTMP) >=192 )

20

{

21	$stringTMP = substr($string,$i,2);

22	$i = $i + 2;

23

}

24

else

25

{

26	$i = $i + 1;

27

}

28	$stringLast[] = $stringTMP;

29

}

30	$stringLast = implode("",$stringLast);

31	if($append)

32

{

33	$stringLast .= "...";

34

}

35	return $stringLast;

36

}

37

}

38

39	$string = "简明现代魔法 —— 专注于互联网主流的各种技术";

40	$length = "27";

41	$append = true;

42	echo sysSubStr($string,$length,$append);

43

44

// 输出

45	// 简明现代魔法 —— 专...

46

?>

截取GB2312中文字符串：

01

<?php

02

//截取中文字符串

03	function mysubstr($str, $start, $len) {

04	$tmpstr = "";

05	$strlen = $start + $len;

06	for($i = 0; $i < $strlen; $i++) {

07	if(ord(substr($str, $i, 1)) > 0xa0) {

08	$tmpstr .= substr($str, $i, 2);

09

$i++;

10

} else

11	$tmpstr .= substr($str, $i, 1);

12

}

13	return $tmpstr;

14

}

15

?>

截取utf8编码的多字节字符串：

1

<?php

2	//截取utf8字符串

3	function utf8Substr($str, $from, $len)

4

{

5	return preg_replace('#^(?:[\x00-\x7F]|[\xC0-\xFF][\x80-\xBF]+){0,'.$from.'}'.

6	'((?:[\x00-\x7F]|[\xC0-\xFF][\x80-\xBF]+){0,'.$len.'}).*#s',

7	'$1',$str);

8

}

9

?>

UTF-8、GB2312都支持的汉字截取函数：

01

<?php

02

/*

03	Utf-8、gb2312都支持的汉字截取函数

04	cut_str(字符串, 截取长度, 开始长度, 编码);

05	编码默认为 utf-8

06

开始长度默认为 0

07

*/

08

09	function cut_str($string, $sublen, $start = 0, $code = 'UTF-8')

10

{

11	if($code == 'UTF-8')

12

{

13	$pa = "/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|\xe0[\xa0-\xbf][\x80-\xbf]|[\xe1-\xef][\x80-\xbf][\x80-\xbf]|\xf0[\x90-\xbf][\x80-\xbf][\x80-\xbf]|[\xf1-\xf7][\x80-\xbf][\x80-\xbf][\x80-\xbf]/";

14	preg_match_all($pa, $string, $t_string);

15

16	if(count($t_string[0]) - $start > $sublen) return join('', array_slice($t_string[0],$start, $sublen))."...";

17	return join('', array_slice($t_string[0], $start, $sublen));

18

}

19

else

20

{

21	$start = $start*2;

22	$sublen = $sublen*2;

23	$strlen = strlen($string);

24	$tmpstr = '';

25

26	for($i=0; $i< $strlen; $i++)

27

{

28	if($i>=$start && $i< ($start+$sublen))

29

{

30	if(ord(substr($string, $i, 1))>129)

31

{

32	$tmpstr.= substr($string, $i, 2);

33

}

34

else

35

{

36	$tmpstr.= substr($string, $i, 1);

37

}

38

}

39	if(ord(substr($string, $i, 1))>129) $i++;

40

}

41	if(strlen($tmpstr)< $strlen ) $tmpstr.= "...";

42	return $tmpstr;

43

}

44

}

45

46	$str = "abcd需要截取的字符串";

47	echo cut_str($str, 8, 0, 'gb2312');

48

?>

编码	字符集编码范围
UTF8	[\x01-\x7f]|[\xc0-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}
UTF16	[\x00-\xd7][\xe0-\xff]|[\xd8-\xdf][\x00-\xff]{2}
Big5	[\x01-\x7f]|[\x81-\xfe]([\x40-\x7e]|[\xa1-\xfe])
GBK	[\x01-\x7f]|[\x81-\xfe][\x40-\xfe]
GB2312汉字	[\xb0-\xf7][\xa0-\xfe]
GB2312半角标点符号及特殊符号	\xa1[\xa2-\xfe]
GB2312罗马数组及项目序号	\xa2([\xa1-\xaa]|[\xb1-\xbf]|[\xc0-\xdf]|[\xe0-\xe2]|[\xe5-\xee]|[\xf1-\xfc])
GB2312全角标点及全角字母	\xa3[\xa1-\xfe]
GB2312日文平假名	\xa4[\xa1-\xf3]
GB2312日文片假名	\xa5[\xa1-\xf6]
GB18030	[\x00-\x7f]|[\x81-\xfe][\x40-\xfe]|[\x81-\xfe][\x30-\x39][\x81-\xfe][\x30-\x39]
JIS	[\x20-\x7e]|[\x21-\x5f]|[\x21-\x7e]{2}
SJIS	[\x20-\x7e]|[\xa1-\xdf]|([\x81-\x9f]|[\xe0-\xef])([\x40-\x7e]|[\x80-\xfc])
SJIS全角空格	(?:\x81\x81)
SJIS全角数字	(?:\x82[\x4f-\x58])
SJIS全角大写英文	(?:\x82[\x60-\x79])
SJIS全角小写英文	(?:\x82[\x81-\x9a])
SJIS全角平假名	(?:\x82[\x9f-\xf1])
SJIS全角平假名扩展	(?:\x82[\x9f-\xf1]|\x81[\x4a\x4b\x54\x55])
SJIS全角片假名	(?:\x83[\x40-\x96])
SJIS全角片假名扩展	(?:\x83[\x40-\x96]|\x81[\x45\x5b\x52\x53])
EUC_JP	[\x20-\x7e]|\x81[\xa1-\xdf]|[\xa1-\xfe][\xa1-\xfe]|\x8f[\xa1-\xfe]{2}
EUC_JP标点符号及特殊字符	[\xa1-\xa2][\xa0-\xfe]
EUC_JP全角数字	\xa3[\xb0-\xb9]
EUC_JP全角大写英文	\xa3[\xc1-\xda]
EUC_JP全角小写英文	\xa3[\xe1-\xfa]
EUC_JP全角平假名	\xa4[\xa1-\xf3]
EUC_JP全角片假名	\xa3[\xb0-\xb9]|\xa3[\xc1-\xda]|\xa5[\xa1-\xf6][\xa3][\xb0-\xfa]|[\xa1][\xbc-\xbe]|[\xa1][\xdd]
EUC_JP全角汉字	[\xb0-\xcf][\xa0-\xd3]|[\xd0-\xf4][\xa0-\xfe]|[\xB0-\xF3][\xA1-\xFE]|[\xF4][\xA1-\xA6]|[\xA4][\xA1-\xF3]|[\xA5][\xA1-\xF6]|[\xA1][\xBC-\xBE]
EUC_JP全角空格	(?:\xa1\xa1)
EUC半角片假名	(?:\x8e[\xa6-\xdf])
日文半角空格	\x20

转自：http://www.nowamagic.net/php/php_CncharacterSubstr.php