中文截取无乱码

原文地址：实现中文字串截取无乱码的方法 作者：肖岩

UTF-8中文截取函数
在PHP中，substr()函数截取带有中文字符串的话，可能会出现乱码，这是因为中西文一个字节所占有的字节数不一样，而substr的长度参数是按照字节去算的，在GB2312编码时，一个中文占2个字节，英文为1个字节，而在UTF-8编码当中，一个中文可能占有2个或3个字节，英文或半角标点占1字节。
解决方法
UTF-8编码的字符可能由1-3个字节组成，具体数目可以由第一个字节判断出来。
第一个字节大于224的，它与它之后的2个字节一起组成一个UTF-8字符
第一个字节大于192小于224的，它与它之后的1个字节组成一个UTF-8字符，否则第一个字节本身就是一个英文字符（包括数字和一小部分标点符号）。
<?php
$a="我是程序员";
class Dx
{
       private $str;
       public function msubstr($string,$start,$length)
       {
              if(strlen($string)>$length)
              {
                     $n=0;
                     $str="";
                     $len=$start+$length;
                     for($i=$start;$i<$len;$i++)
                     {
                            if(ord(substr($string,$n,1))>224)
                            {
                                   $str.=substr($string,$n,3);
                                   $n+=3;
                                   $i++;
                            }
                            elseif(ord(substr($string,$n,1))>192)
                            {
                                   $str.=substr($string,$n,2);
                                   $i++;
                            }
                            else
                            {
                                   $str.=substr($string,$n,1);
                            }
                     }
                     return $str;
              }
              else
              {
                     return $string;
              }     
       }
       public function msub($string,$start,$length)
       {
              if(strlen($string)>$length)
              {
                     $str="";
                     $len=$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;
              }     
       }

}
$sub = new Dx();
echo $sub->msubstr($a,0,8);//我是程序
?>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
除了上面的方法，还可以使用mb_substr来解决，代码如下：
<?php
$a="wo的name是中国！";
echo mb_substr($a,0,9,'UTF-8');//wo的name是中
echo substr($a,0,15);//wo的name是中
?>

十八哥版 通过字符截取

<?php 
header("Content-type:text/html;charset=utf-8");


$str='中华人aaa民cc共和ee国wwww';

function utf8sub($str,$len){

if($len<=0){
	return '';
}

$length=strlen($str);

$offset=0;  //截取高位字节时的偏移量
$chars=0;   //截取到的字符数
$res='';  //截取到的字符串
while($chars< $len &&$offset<=$length){//只要还没截取到$len 的长度，旧继续进行
	$high =decbin(ord(substr($str,$offset,1)));

	if(strlen($high)<8){
		//截取一个字节
		$count=1;
	}else if(substr($high,0,3)=='110'){
			//截取2个字节
		$count=2;
	}else if (substr($high,0,4)=='1110'){
		//截取3个
		$count=3;

	}else if(substr($high,0,5)=='11110'){
		//截取4个
		$count=4;
	}else if(substr($high,0,6)=='111110'){
		//截取5个
		$count=5;
	}else if(substr($high,0,7)=='1111110'){
		//截取6个
		$count=6;
	}

$res .=substr($str,$offset,$count);
$chars += 1;
$offset += $count;


}
return $res;
//print_r($res);
}


echo utf8sub($str,5);



?>