古いトピック、新しい外観: PHP が中国語の文字列をインターセプトする問題

　　以下代码试用于GB2312编码，截取中文字符串是PHP中一个头疼的问题，解决方法是根据值是否大于等于128来判断是否是双字节字符，以避免出现乱码的情况。但中英文混合、特殊符号等问题总是存在，现在写一个比较全面的，仅供参考：

　　程序说明：

　　1. len 参数以中文字符为标准，1len等于2个英文字符，为了形式上好看些
　　2. 如果将magic参数设为false，则中文和英文同等看待，取绝对的字符数
　　3. 特别适用于用htmlspecialchars()进行过编码的字符串
　　4. 能正确处理GB2312中实体字符模式（𖰰）

　　程序代码：

function FSubstr($title,$start,$len="",$magic=true)
{
/**
  *  powered by Smartpig
  *  mailto:d.einstein@263.net
  */
 
$length = 0;
if($len == "") $len = strlen($title);

//判断起始为不正确位置
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{
$ctype = 0;
$cstep = 0;
$cur = substr ($title,$i,1);
if($cur == "&")
{
if(substr($title,$i,4) == "<")
{
$cstep = 4;
$length += 4;
$i += 3;
$realnum ++;
if($magic)
{
$alen ++;
}
}
else if(substr($title,$i,4) == ">")
{
$cstep = 4;
$length += 4;
$i += 3;
$realnum ++;
if($magic)
{
$alen ++;
}
}
else if(substr($title,$i,5) == "&")
{
$cstep = 5;
$length += 5;
$i += 4;
$realnum ++;
if($magic)
{
$alen ++;
}
}
else if(substr( $title,$i,6) == """)
{
$cstep = 6;
$length += 6;
$i += 5;
$realnum + +;
if($magic)
{
$alen ++;
}
}
else if(substr($title,$i,6) == "' ")
{
$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)
{
$alen++;
}
}
}

if($magic)
{
if(($blen*2+$alen) == ($len*2)) Break;
if(($blen) *2+$alen) == ($len*2+1))
{
if($ctype == 1)
{
$length -= $cstep;
ブレーク;
}else{
ブレーク;
}
}
}else{
if($realnum == $len) ブレーク;
}
}

unset($cur);
unset($alen);
unset($blen);
unset($realnum);
unset($ctype);
unset ($cstep);

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

呵呵，一会儿把UTF-8编码下の代码也贴出来