带有 utf-8 的 php substr() 函数在末尾留下 � 标记

Posted 2023-02-24

【中文标题】带有 utf-8 的 php substr() 函数在末尾留下 � 标记

【英文标题】：php substr() function with utf-8 leaves � marks at the end

【发布时间】：2012-02-23 15:24:28

【问题描述】：

这里是简单的代码

<?php

$var = "Бензин Офиси А.С. также производит все типы жира и смазок и их побочных        продуктов в его смесительных установках нефти машинного масла в Деринце, Измите, Алиага и Измире. У Компании есть 3 885 станций технического обслуживания, включая сжиженный газ (ЛПГ) станции под фирменным знаком Петрогаз, приблизительно 5 000 дилеров, двух смазочных смесительных установок, 12 терминалов, и 26 единиц поставки аэропорта.";

$foo = substr($var,0,142);

echo $foo;
?>

它会输出如下内容：

Бензин Офиси А.С。 также производит все типы жира и смазок и их побочных продук...

我尝试了 mb_substr()，但没有成功。如何以正确的方式做到这一点？

【问题讨论】：

mb_substr() 是可行的方法，当多字节字符被切成两半时会发生这种情况。你能展示一下你尝试了什么以及它是如何失败的吗？

您在尝试mb_substr时是否指定了编码（最后一个参数）？

这正是我试图做的。我没有在互联网上，所以我不能提供链接。它是对公司的详细描述，我将其剪裁为 142 个字符，以显示在一个网站的主页上。

@JohnFlatness 不，我没有指定，我只是用 mb_substr() 替换了 substr()。让我检查一下

好的，非常感谢！我没有指定 mb_substr() 函数的最后一个参数，即 @JohnFlatness 指出的“UTF-8”。现在一切都很好！非常感谢你们！

【参考方案1】：

永远不要在substr 函数中为UTF-8 字符串使用常量：

$st = substr($text, $beg, 100);

50% 的几率你会在字符串末尾获得一半的字符。

这样做：

$postion_degin = strpos($text, $first_symbol);
$postion_end = strpos($text, $last_symbol);
$len = $postion_end - $postion_degin + 1;
$st = substr($text, $postion_degin, $len);

100% 安全的结果。

没有mb_substr。

【讨论】：

如果您知道要剪切哪些字符，那就太好了。如果你只想拥有一个随机字符串的前 3 个字符，那就不好了。正确的方法是使用 mb_substr。

【参考方案2】：

如果你想使用strlen函数来计算你想要返回的字符串的长度并且你的字符串$word有UTF-8编码，你必须使用mb_strlen()函数：

$foo = mb_substr($word, 0, mb_strlen($word)-1);

【讨论】：

完美地工作mb_substr。我试过substr 不工作:)

【参考方案3】：

如果您的字符串可能包含 Unicode（多字节）字符并且您不想破坏这些字符，请将 substr 替换为以下两个之一，具体取决于您的需要：

限制为 142 个字符：

mb_substr($var, 0, 142);

限制为 142 字节：

mb_strcut($var, 0, 142);

【参考方案4】：

我希望这个解决方案对你有帮助，因为它对我有很大帮助。

<?php
if(mb_strlen($post->post_content,'UTF-8')>200)
    $content= str_replace('\n', '', mb_substr(strip_tags($post-> post_content), 
                          0, 200,'UTF-8'));
    echo $content.'…';
else
    echo str_replace('\n', '', strip_tags($post->post_content));

?>

【参考方案5】：

unicode 字符串的适当（逻辑）替代方案；

<?php
function substr_unicode($str, $s, $l = null) 
    return join("", array_slice(
        preg_split("//u", $str, -1, PREG_SPLIT_NO_EMPTY), $s, $l));


$str = "Büyük";
$s = 0; // start from "0" (nth) char
$l = 3; // get "3" chars
echo substr($str, $s, $l) ."\n";    // Bü
echo mb_substr($str, $s, $l) ."\n"; // Bü
echo substr_unicode($str, $s, $l);  // Büy
?>

使用PHP: mb_substr - Manual

【讨论】：

mb_substr($str, $s, $l, 'UTF-8') 是真正合适的选择......！如果没有正确指定的字符集，结果是什么。

在 PHP 5.6 中这是唯一可行的选择。谢谢！

【参考方案6】：

只要您在服务器上启用了 mbstring，上述 cmets 都是正确的。

$var = "Бензин Офиси А.С. также производит все типы жира и смазок и их побочных        продуктов в его смесительных установках нефти машинного масла в Деринце, Измите, Алиага и Измире. У Компании есть 3 885 станций технического обслуживания, включая сжиженный газ (ЛПГ) станции под фирменным знаком Петрогаз, приблизительно 5 000 дилеров, двух смазочных смесительных установок, 12 терминалов, и 26 единиц поставки аэропорта.";

$foo = mb_substr($var,0,142, "utf-8");

这是 php 文档：

http://php.net/manual/en/book.mbstring.php

【讨论】：

谢谢！我错过的最后一个参数是“UTF-8”，但我查看了文档。

【参考方案7】：

PHP5 本身不理解 UTF-8。它是为 PHP6 提出的，如果它出现的话。

使用multibyte string functions 安全地操作UTF-8 字符串。

例如，mb_substr() 在您的情况下。

【讨论】：

事实证明他们跳过了 PHP 6 直接进入了 PHP 7。仍然没有原生 unicode 支持。 Perl 至少从 Perl 5.6 开始就有它。