php截取等长UFT8中英文混合字串

第一次发博，呵呵。
原创，转载请标明出处。

由于需要，想实现“php截取等长UFT8中英文混合字串”，可是网上找了很多代码不是有乱码就是不能实现等长（以一个中文长度为单位，两个英文字母算一个长度，如‘等长’长度为2，‘UTF8’长度也是2）。

由于utf8编码时，中文为三个字节，英文为一个字节，用substr就会出现乱码，用mb_substr会出现上面的不等长问题，但不会有乱码；

我以字节为单位进行操作，简单实现了一个小程序。
只能在utf8编码是使用。

/*utf8编码时截取等长中英文字串*/ //英文标点[.,\"\\?!:_']
<?
function substr_utf8($string,$start,$length)
{       //by aiou
	 $chars = $string;
	 //echo $string[0].$string[1].$string[2];
	 $i=0;
	 do{
	 	if (preg_match ("/[0-9a-zA-Z]/", $chars[$i])){//纯英文
	 		$m++;
	 	}
	else {$n++;	 	}//非英文字节,
	 	$k = $n/3+$m/2;
	 	$l = $n/3+$m;//最终截取长度；$l = $n/3+$m*2？
		$i++;
	} while($k < $length);
	 $str1 = mb_substr($string,$start,$l,'utf-8');//保证不会出现乱码
	 return $str1;
}

测试结果：

$string = '第一次截取，mb_substr返回的是字符串宽度是按“字”来计算';
$string1 = '第一次截取，返回的是字符串宽度是按“字”来计算';
$string2 = '第A一D次截取，返回的12345是字符串宽度是按“字”来计算';

1.

echo substr_utf8($string,0,1).'<br/>';
echo substr_utf8($string,0,2).'<br/>';
echo substr_utf8($string,0,3).'<br/>';
echo substr_utf8($string,0,4).'<br/>';
echo substr_utf8($string,0,5).'<br/>';
echo substr_utf8($string,0,6).'<br/>';
echo substr_utf8($string,0,7).'<br/>';
echo substr_utf8($string,0,8).'<br/>';
echo substr_utf8($string,0,9).'<br/>';
echo substr_utf8($string,0,10).'<br/>';
echo substr_utf8($string,0,11).'<br/>';
echo substr_utf8($string,0,12).'<br/>';
echo substr_utf8($string,0,13).'<br/>';
echo substr_utf8($string,0,14).'<br/>';
echo substr_utf8($string,0,15).'<br/>';
echo substr_utf8($string,0,16).'<br/>';
echo substr_utf8($string,0,17).'<br/>';
echo substr_utf8($string,0,18).'<br/>';
echo substr_utf8($string,0,19).'<br/>';
echo substr_utf8($string,0,20).'<br/>';

第
第一
第一次
第一次截
第一次截取
第一次截取，
第一次截取，mb
第一次截取，mb_s
第一次截取，mb_sub
第一次截取，mb_subst
第一次截取，mb_substr
第一次截取，mb_substr返
第一次截取，mb_substr返回
第一次截取，mb_substr返回的
第一次截取，mb_substr返回的是
第一次截取，mb_substr返回的是字
第一次截取，mb_substr返回的是字符
第一次截取，mb_substr返回的是字符串
第一次截取，mb_substr返回的是字符串宽
第一次截取，mb_substr返回的是字符串宽度

2.

echo substr_utf8($string1,0,5).'<br/>';
echo substr_utf8($string1,0,6).'<br/>';
echo substr_utf8($string1,0,7).'<br/>';
echo substr_utf8($string1,0,8).'<br/>';
echo substr_utf8($string1,0,9).'<br/>';
echo substr_utf8($string1,0,10).'<br/>';
echo substr_utf8($string1,0,11).'<br/>';
echo substr_utf8($string1,0,12).'<br/>';
echo substr_utf8($string1,0,13).'<br/>';
echo substr_utf8($string1,0,14).'<br/>';
echo substr_utf8($string1,0,15).'<br/>';
echo substr_utf8($string1,0,16).'<br/>';
echo substr_utf8($string1,0,17).'<br/>';
echo substr_utf8($string1,0,18).'<br/>';
echo substr_utf8($string1,0,19).'<br/>';
echo substr_utf8($string1,0,20).'<br/>';

第一次截取
第一次截取，
第一次截取，返
第一次截取，返回
第一次截取，返回的
第一次截取，返回的是
第一次截取，返回的是字
第一次截取，返回的是字符
第一次截取，返回的是字符串
第一次截取，返回的是字符串宽
第一次截取，返回的是字符串宽度
第一次截取，返回的是字符串宽度是
第一次截取，返回的是字符串宽度是按
第一次截取，返回的是字符串宽度是按“
第一次截取，返回的是字符串宽度是按“字
第一次截取，返回的是字符串宽度是按“字”

3.

echo substr_utf8($string2,0,5).'<br/>';
echo substr_utf8($string2,0,6).'<br/>';
echo substr_utf8($string2,0,7).'<br/>';
echo substr_utf8($string2,0,8).'<br/>';
echo substr_utf8($string2,0,9).'<br/>';
echo substr_utf8($string2,0,10).'<br/>';
echo substr_utf8($string2,0,11).'<br/>';
echo substr_utf8($string2,0,12).'<br/>';
echo substr_utf8($string2,0,13).'<br/>';
echo substr_utf8($string2,0,14).'<br/>';
echo substr_utf8($string2,0,15).'<br/>';
echo substr_utf8($string2,0,16).'<br/>';
echo substr_utf8($string2,0,17).'<br/>';
echo substr_utf8($string2,0,18).'<br/>';
echo substr_utf8($string2,0,19).'<br/>';
echo substr_utf8($string2,0,20).'<br/>';

第A一D次截
第A一D次截取
第A一D次截取，
第A一D次截取，返
第A一D次截取，返回
第A一D次截取，返回的
第A一D次截取，返回的12
第A一D次截取，返回的1234
第A一D次截取，返回的12345
第A一D次截取，返回的12345是
第A一D次截取，返回的12345是字
第A一D次截取，返回的12345是字符
第A一D次截取，返回的12345是字符串
第A一D次截取，返回的12345是字符串宽
第A一D次截取，返回的12345是字符串宽度
第A一D次截取，返回的12345是字符串宽度是

4.

$ss='1234567890abcdefghijklmnopqrst';
echo Utf8Helper::substr_utf8($ss,0,1).'<br/>';
echo Utf8Helper::substr_utf8($ss,0,2).'<br/>';
echo Utf8Helper::substr_utf8($ss,0,3).'<br/>';
echo Utf8Helper::substr_utf8($ss,0,4).'<br/>';
echo Utf8Helper::substr_utf8($ss,0,5).'<br/>';
echo Utf8Helper::substr_utf8($ss,0,6).'<br/>';
echo Utf8Helper::substr_utf8($ss,0,7).'<br/>';         
echo Utf8Helper::substr_utf8($ss,0,8).'<br/>';         
echo Utf8Helper::substr_utf8($ss,0,9).'<br/>';         
echo Utf8Helper::substr_utf8($ss,0,10);

12
1234
123456
12345678
1234567890
1234567890ab
1234567890abcd
1234567890abcdef
1234567890abcdefgh
1234567890abcdefghij

长度都以汉字数为基准。
基本上每两个英文字母、数字、英文标点算作一个汉字长度。看上去效果还不错。
改进一下还可以做其它编码下的。
效率没做测试，还没有这概念。
o(∩_∩)o...

评论

1 楼 huixia0010 2013-05-31  

感谢分享，已经转载到了我的博客，并附上了本文链接，非常感谢