smarty中英文多編碼字元截取亂碼問題

一般網站頁面的顯示都不可避免的會涉及子字元串的截取，這個時候truncate就派上用場了，但是它隻适合英文使用者，對與中文使用者來說，使用 truncate會出現亂碼，而且對于中文英文混合串來說，截取同樣個數的字元串，實際顯示長度上卻不同，視覺上會顯得參差不齊，影像美觀。這是因為一個 中文的長度大緻相當與兩個英文的長度。此外，truncate也不能同時相容GB2312, UTF-8等編碼。

改良的smartTruncate： 檔案名：modifier.smartTruncate.php

<?php

function smartDetectUTF8($string)

{

    static $result = array();

    if(! array_key_exists($key = md5($string), $result))

    {

        $utf8 = "

            /^(?:

                [\x09\x0A\x0D\x20-\x7E]                            # ASCII

                | [\xC2-\xDF][\x80-\xBF]                             # non-overlong 2-byte

                | \xE0[\xA0-\xBF][\x80-\xBF]                       # excluding overlongs

                | [\xE1-\xEC\xEE\xEF][\x80-\xBF]{2}           # straight 3-byte

                | \xED[\x80-\x9F][\x80-\xBF]                      # excluding surrogates

                | \xF0[\x90-\xBF][\x80-\xBF]{2}                 # planes 1-3

                | [\xF1-\xF3][\x80-\xBF]{3}                          # planes 4-15

                | \xF4[\x80-\x8F][\x80-\xBF]{2}                  # plane 16

            )+$/xs

        ";

        $result[$key] = preg_match(trim($utf8), $string);

    }

    return $result[$key];

}

function smartStrlen($string)

{

    $result = 0;

    $number = smartDetectUTF8($string) ? 3 : 2;

    for($i = 0; $i < strlen($string); $i += $bytes)

    {

        $bytes = ord(substr($string, $i, 1)) > 127 ? $number : 1;

        $result += $bytes > 1 ? 1.0 : 0.5;

    }

    return $result;

}

function smartSubstr($string, $start, $length = null)

{

    $result = '''';

    $number = smartDetectUTF8($string) ? 3 : 2;

    if($start < 0)

    {

        $start = max(smartStrlen($string) + $start, 0);

    }

    for($i = 0; $i < strlen($string); $i += $bytes)

    {

        if($start <= 0)

        {

            break;

        }

        $bytes = ord(substr($string, $i, 1)) > 127 ? $number : 1;

        $start -= $bytes > 1 ? 1.0 : 0.5;

    }

    if(is_null($length))

    {

        $result = substr($string, $i);

    }

    else

    {

        for($j = $i; $j < strlen($string); $j += $bytes)

        {

            if($length <= 0)

            {

                break;

            }

            if(($bytes = ord(substr($string, $j, 1)) > 127 ? $number : 1) > 1)

            {

                if($length < 1.0)

                {

                    break;

                }

                $result .= substr($string, $j, $bytes);

                $length -= 1.0;

            }

            else

            {

                $result .= substr($string, $j, 1);

                $length -= 0.5;

            }

        }

    }

    return $result;

}

function smarty_modifier_smartTruncate($string, $length = 80, $etc = ''...'',

                                       $break_words = false, $middle = false)

{

    if ($length == 0)

        return '''';

    if (smartStrlen($string) > $length) {

        $length -= smartStrlen($etc);

        if (!$break_words && !$middle) {

            $string = preg_replace(''/\s+?(\S+)?$/'', '''', smartSubstr($string, 0, $length+1));

        }

        if(!$middle) {

            return smartSubstr($string, 0, $length).$etc;

        } else {

            return smartSubstr($string, 0, $length/2) . $etc . smartSubstr($string, -$length/2);

        }

    } else {

        return $string;

    }

}

?>

以上代碼完整實作了truncate的原有功能，而且可以同時相容GB2312和UTF-8編碼，在判斷字元長度的時候，一個中文字元算1.0，一個英文字元算0.5，是以在截取子字元串的時候不會出現參差不齊的情況.

插件的使用方式沒有特别之處，這裡簡單測試一下：

{$content|smartTruncate:5:".."}（$content等于"A中B華C人D民E共F和G國H"）

顯示：A中B華C.. （中文符号長度算1.0，英文符号長度算0.5，并且考慮省略符号的長度）

不管你是使用GB2312編碼還是UTF-8編碼，你會發現結果都正确，這也是為什麼我在插件名字裡加上smart字樣的原因之一。