PHP UTF-8中文字符安全截断与mbstring函数详解

竹里

发布时间：2026-10-15 | 2人浏览过

原创

解决PHP处理UTF-8编码下中英文混合字符串时的截断乱码问题。通过分析传统字节级截断的缺陷，引入原生的mbstring多字节函数族作为标准解决方案，提供无需额外编写复杂逻辑即可实现精准长度截取的方法。

中文字符截断的编码风险

在使用PHP进行文本处理时，开发者经常需要根据固定字数截取字符串。如果直接使用基础字符串函数（如 substr），由于UTF-8编码中一个汉字通常占用3个字节，而英文字母仅占1个字节，强行按字节截断极易切断汉字的组成部分，导致输出出现乱码或“?”符号。

方法一：基于ASCII码的手动截断原理

在早期的PHP版本或缺乏扩展的环境中，开发者通常需要通过检测每个字符的ASCII值来区分单字节和多字节字符，从而构建安全的截断逻辑。以下代码展示了两种常见的手动实现方式，其核心在于根据高位比特判断字符宽度。

// 通用型：逐个字符累加长度，自动识别中文
function cut_str($sourcestr, $cutlength, $addstr='...') {
    $returnstr = '';
    $i = 0;
    $n = 0;
    $str_length = strlen($sourcestr);
    while (($n < $cutlength) and ($i <= $str_length)) {
        $temp_str = substr($sourcestr, $i, 1);
        $ascnum = Ord($temp_str);
        if ($ascnum >= 224) { // 三字节字符（中文等）
            $returnstr = $returnstr . substr($sourcestr, $i, 3);
            $i += 3;
            $n++;
        } elseif ($ascnum >= 192) { // 两字节字符
            $returnstr = $returnstr . substr($sourcestr, $i, 2);
            $i += 2;
            $n++;
        } elseif ($ascnum >= 65 && $ascnum <= 90) { // 大写字母
            $returnstr = $returnstr . substr($sourcestr, $i, 1);
            $i += 1;
            $n++; // 整体美观计为1
        } else { // 小写、标点等
            $returnstr = $returnstr . substr($sourcestr, $i, 1);
            $i += 1;
            $n += 0.5; // 视需求定义半角宽度
        }
    }
    if ($str_length > $cutlength) {
        $returnstr .= $addstr;
    }
    return $returnstr;
}

另一种常见的简化版逻辑侧重于跳过非ASCII字符，适用于仅需忽略非英文内容的场景：

<?php
function subUTF8str($str, $start=0, $length=80) {
    $cur_len = 0;
    $all_len = strlen($str);
    if($length > $all_len) return $str;

    // 定位起始位置
    for($i = 0; $i < $all_len;) {
        if($cur_len == $start) break;
        if (ord($str[$i]) > 127) {
            $i += 3; // 假设全为3字节中文
        } else {
            $i += 1;
        }
        $cur_len++;
    }
    $start_pos = $i;
    $temp_pos = $cur_len;

    // 定位结束位置
    for(;$cur_len - $temp_pos < $length;) {
        if($i >= $all_len) break;
        if (ord($str[$i]) > 127) {
            $i += 3;
        } else {
            $i += 1;
        }
        $cur_len++;
    }
    $end_pos = $i;
    return substr($str, $start_pos, $end_pos - $start_pos);
}
// 测试示例
$str = "123这是测试字符串";
echo subUTF8str($str, 0, 3); // 输出: 123
echo subUTF8str($str, 0, 4); // 输出: 123这
?>

方法二：使用PHP原生 mbstring 扩展（推荐）

现代PHP开发中，最稳健且高效的方式是利用PHP内置的多字节字符串函数族（Multibyte String Functions）。这些函数能正确处理UTF-8等多字节编码，无需手动判断ASCII范围。

1. 截取指定长度的子串：
使用 mb_substr() 函数。该函数允许明确指定字符编码，系统会自动识别并计算完整的字符边界。

<?php
// 语法: mb_substr( string $str , int $start [, int $length [, string $encoding ]] )
$str = "Hello, 世界!";
// 从第0个字符开始，截取5个字符
$result = mb_substr($str, 0, 5, 'UTF-8'); 
// 结果: "Hello" (若限制总长6字符则为 "Hello,")
echo $result;
?>

2. 获取真实字符长度：
为了准确判断是否需要截断，应先使用 mb_strlen() 获取以“字符”为单位而非“字节”为单位的长度。

<?php
$str = "你好 PHP";
$len = mb_strlen($str, 'UTF-8'); // 返回 6 (两个汉字+空格+3个字母)
?>

通过组合 mb_strlen 和 mb_substr，可以简洁地实现带省略号的截断功能：

<?php
function safe_mb_truncate($text, $max_length, $suffix = '...') {
    if (mb_strlen($text, 'UTF-8') <= $max_length) {
        return $text;
    }
    return mb_substr($text, 0, $max_length, 'UTF-8') . $suffix;
}
?>