PHP截取中文字符串乱码问题

版权声明：本文为博主原创文章，未经博主允许不得转载。个人博客：www.saoguang.top https://blog.csdn.net/u011580175/article/details/82323053

一、背景

在编写我这个博客的首页的显示预览内容部分的时候，需要截取内容，于是我用了
substr();
但是后面出现了乱码(像这样的�)，很显然，肯定是字符编码被截断了。

二、小代码

写了个小代码

<?php
echo substr('骚广', 0, 1);
echo intval(substr('骚广', 0, 1));

echo substr('骚广', 0, 2);
echo intval(substr('骚广', 0, 2));

echo substr('骚广', 0, 3);
echo intval(substr('骚广', 0, 3));

echo $encode = mb_detect_encoding('骚广', array("ASCII",'UTF-8',"GB2312","GBK",'BIG5')); //获取编码

输出结果:
�0�0骚0UTF-8

三、结论

从结果，可以知道
1. substr()实际上就是ASCII码版本对应的字符串截取函数。
2. 这里的骚字，占用了3个字节的长度。
3. 这里php字符串的编码是UTF-8

搜了一波百度：最初的 UTF-8 格式使用一至六个字节，最大能编码 31 位字符。最新的 UTF-8 规范只使用一到四个字节，最大能编码21位，正好能够表示所有的 17个 Unicode 平面。

四、解决方案

官方文档中，php提供了mb_substr();函数来进行其他编码的字符串截取。
PHP: mb_substr - Manual

string mb_substr ( string $str , int $start [, int $length = NULL [, string $encoding = mb_internal_encoding() ]] )

用mb_substr();进行字符串截取，通过第四个参数encoding来指示字符编码，默认值为mb_internal_encoding()文档得知，是获取当前的编码类型

<?php
echo mb_substr('骚广', 0, 1);

运行结果：
骚