utf8 中文截取无乱码

/** 燕十八 公益PHP培训

课堂地址:YY频道88354001

学习社区:www.zixue.it **/

 

<?php

/* utf-8中文截取无乱码

思路: 如果你看到如下字节, 42 DC 34 af aa

想截取无乱码,那就说明,你知道 从42开始截几个字节,作为一个字符.

比如截1个,截取出来42

再从DC截,你得知道,从DC,往后是几个字节组成了一个字符.

... ...

类推,这样,截取出来的字节才能保证,正是是一个个的字符

所以,关键在于,如何判断一个utf-8字符的字节数?

答: 可以到wiki上查询utf-8的编码规范,那是最权威的. 查阅后得知

最高字节 0xxx xxxx ,1个字节 110xx xxxx , 2个字节 1110 xxxx, 3 1111 0xxxx 4...

*/

$str = '中华人aaaa民共b和国,万c岁'; /* $str 是待截取的字符串 $len 是截取的字符数 */

function utf8sub($str,$len) {     if($len <= 0) {         return '';     }

    $length = strlen($str); //待截取的字符串字节数

// 先取字符串的第一个字节,substr是按字节来的 $offset = 0; // 这是截取高位字节时的偏移量 $chars = 0;  // 这是截取到的字符数 $res = '';   // 这是截取的字符串

while($chars < $len && $offset < $length) { //只要还没有截取到$len的长度,就继续进行 $high = decbin(ord(substr($str,$offset,1))); // 重要突破,已经能够判断高位字节

if(strlen($high) < 8) {             // 截取1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个字节 $count = 3;

        } else if(substr($high,0,5) == '11110') {             // 截取4个字节 $count = 4;

        }  else if(substr($high,0,6) == '111110') {             // 截取5个字节 $count = 5;

        }  else if(substr($high,0,7) == '1111110') {             // 截取6个字节 $count = 6;         }       

        // echo $count,'<br />';

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

}

echo utf8sub($str,200);