舊題新貌:PHP截取中文字元串的問題

以下代碼試用于GB2312編碼，截取中文字元串是PHP中一個頭疼的問題，解決方法是根據值是否大于等于128來判斷是否是雙位元組字元，以避免出現亂碼的情況。但中英文混合、特殊符号等問題總是存在，現在寫一個比較全面的，僅供參考：

程式說明：

1. len 參數以中文字元為标準，1len等于2個英文字元，為了形式上好看些

2. 如果将magic參數設為false，則中文和英文同等看待，取絕對的字元數

3. 特别适用于用htmlspecialchars()進行過編碼的字元串

4. 能正确處理GB2312中實體字元模式（𖰰）

程式代碼：

function FSubstr($title,$start,$len="",$magic=true)

{

$length = 0;

if($len == "") $len = strlen($title);

//判斷起始為不正确位置

if($start > 0)

{

  $cnum = 0;

  for($i=0;$i<$start;$i++)

  {

   if(ord(substr($title,$i,1)) >= 128) $cnum ++;

  }

  if($cnum%2 != 0) $start--;

  unset($cnum);

}

if(strlen($title)<=$len) return substr($title,$start,$len);

$alen   = 0;

$blen = 0;

$realnum = 0;

for($i=$start;$i<strlen($title);$i++)

{

  $ctype = 0;

  $cstep = 0;

  $cur = substr($title,$i,1);

  if($cur == "&")

  {

   if(substr($title,$i,4) == "&lt;")

   {

    $cstep = 4;

    $length += 4;

    $i += 3;

    $realnum ++;

    if($magic)

    {

     $alen ++;

    }

   }

   else if(substr($title,$i,4) == "&gt;")

   {

    $cstep = 4;

    $length += 4;

    $i += 3;

    $realnum ++;

    if($magic)

    {

     $alen ++;

    }

   }

   else if(substr($title,$i,5) == "&amp;")

   {

    $cstep = 5;

    $length += 5;

    $i += 4;

    $realnum ++;

    if($magic)

    {

     $alen ++;

    }

   }

   else if(substr($title,$i,6) == "&quot;")

   {

    $cstep = 6;

    $length += 6;

    $i += 5;

    $realnum ++;

    if($magic)

    {

     $alen ++;

    }

   }

   else if(substr($title,$i,6) == "&#039;")

   {

    $cstep = 6;

    $length += 6;

    $i += 5;

    $realnum ++;

    if($magic)

    {

     $alen ++;

    }

   }

   else if(preg_match("/&#(/d+);/i",substr($title,$i,8),$match))

   {

    $cstep = strlen($match[0]);

    $length += strlen($match[0]);

    $i += strlen($match[0])-1;

    $realnum ++;

    if($magic)

    {

     $blen ++;

     $ctype = 1;

    }

   }

  }else{

   if(ord($cur)>=128)

   {

    $cstep = 2;

    $length += 2;

    $i += 1;

    $realnum ++;

    if($magic)

    {

     $blen ++;

     $ctype = 1;

    }

   }else{

    $cstep = 1;

    $length +=1;

    $realnum ++;

    if($magic)

    {

     if(ord($cur) >= 65 && ord($cur) <= 90)

     {

      $blen++;

     }else{

      $alen++;

     }      }

   }

  }

  if($magic)

  {

   if(($blen*2+$alen) == ($len*2)) break;

   if(($blen*2+$alen) == ($len*2+1))

   {

    if($ctype == 1)

    {

     $length -= $cstep;

     break;

    }else{

     break;

    }

   }

  }else{

   if($realnum == $len) break;

  }

}

unset($cur);

unset($alen);

unset($blen);

unset($realnum);

unset($ctype);

unset($cstep);

return substr($title,$start,$length);

}

呵呵，一會兒把UTF-8編碼下的代碼也貼出來