處理中文時,字串截取不能只數「字元個數」,因為一個中文字在 UTF-8 下會佔 2 到 3 個位元組。下面這個函式依 UTF-8 編碼規則判斷每個字佔幾個 byte,再據此累計長度,就能避免把一個中文字切成半截而出現亂碼。
function cut_str($sourcestr, $cutlength) {
$returnstr = '';
$i = 0;
$n = 0;
$str_length = strlen($sourcestr); // 字串的位元組數
while (($n < $cutlength) and ($i <= $str_length)) {
$temp_str = substr($sourcestr, $i, 1);
$ascnum = Ord($temp_str); // 取第 $i 位字元的 ASCII 碼
if ($ascnum >= 224) {
// UTF-8 規範:ASCII 高於 224 者,連續 3 個字元算一個字
$returnstr = $returnstr . substr($sourcestr, $i, 3);
$i = $i + 3; // 實際佔 3 個 byte
$n++; // 字串長度計 1
} elseif ($ascnum >= 192) {
// ASCII 高於 192 者,連續 2 個字元算一個字
$returnstr = $returnstr . substr($sourcestr, $i, 2);
$i = $i + 2; // 實際佔 2 個 byte
$n++; // 字串長度計 1
} elseif ($ascnum >= 65 and $ascnum <= 90) {
// 大寫字母
$returnstr = $returnstr . substr($sourcestr, $i, 1);
$i = $i + 1;
$n++; // 為了整體觀感,大寫字母算一個高位字元
} else {
// 小寫字母與半角標點符號
$returnstr = $returnstr . substr($sourcestr, $i, 1);
$i = $i + 1;
$n = $n + 0.5; // 半角字元視為半個高位字元的寬度
}
}
if ($str_length > $cutlength) {
$returnstr = $returnstr . "..."; // 超出長度時在結尾補上省略號
}
return $returnstr;
}
幾個設計上的細節值得留意:大寫字母被當成一個完整的高位字元計,小寫字母與半角標點則只算半個,這樣截出來的視覺寬度才會比較整齊;結尾自動補上「...」也是為了讓使用者明確知道內容被截斷了。這個思路同樣可以改寫成 JavaScript 版本,只要改用位元組長度判斷即可。