PHP字符串截取完全指南：掌握多字节字符、中文和特殊符号的高效处理技巧41

在现代Web开发中，字符串处理是日常工作中不可或缺的一部分。无论是展示文章摘要、限制用户输入长度、生成预览文本，还是在复杂的UI布局中适配内容，字符串截取都是一项核心操作。然而，对于PHP开发者来说，这项看似简单的任务却常常因为对字符编码和多字节字符串处理的理解不足而变得复杂。特别是在处理包含中文、日文、韩文（CJK）、表情符号或各种特殊符号的文本时，传统的截取方法往往会导致乱码、截断不完整或排版错乱等问题。

本文将作为一份PHP字符串截取的完全指南，从最基础的substr()函数开始，深入探讨其局限性，进而引出并详细讲解应对多字节字符的利器mb_substr()。我们将不仅覆盖核心函数的用法，更会延伸到实际开发中的高级应用场景，如如何优雅地添加省略号、如何智能地保留词边界、如何安全地处理包含HTML标签的字符串，以及如何封装一个健壮的自定义截取函数。通过本文的学习，您将能够全面掌握PHP中字符串截取的各项技巧，编写出更加稳定、高效且国际化友好的代码。

一、PHP字符串截取的基石：substr() 函数

在PHP中，最基础的字符串截取函数莫过于substr()。它简单易用，对于ASCII编码（如纯英文数字）的字符串截取任务来说，表现得非常出色。

1. 函数原型：

substr(string $string, int $offset, ?int $length = null): string
$string：要截取的原始字符串。
$offset：从哪个位置开始截取。如果为非负数，则从字符串开头计算；如果为负数，则从字符串结尾计算。
$length：可选参数，要截取的长度。如果省略，则截取到字符串末尾；如果为负数，则表示从字符串末尾往前数，截取到该位置（不包括该位置）。

2. 基本用法示例：<?php
$text = "Hello, world! This is a PHP string.";
// 从索引0开始，截取5个字符
echo substr($text, 0, 5); // Output: Hello
// 从索引7开始，截取5个字符
echo substr($text, 7, 5); // Output: world
// 从索引7开始，截取到末尾
echo substr($text, 7); // Output: world! This is a PHP string.
// 从倒数第6个字符开始，截取4个字符
echo substr($text, -6, 4); // Output: stri
// 从倒数第10个字符开始，截取到倒数第2个字符之前
echo substr($text, -10, -2); // Output: P strin
?>

3. substr() 的局限性：字节截取而非字符截取

然而，substr()函数有一个非常重要的特性，也是其在处理多字节字符时产生问题的根源：它是一个基于字节（byte）进行操作的函数，而不是基于字符（character）操作。

这意味着，当您处理UTF-8编码的字符串时（UTF-8是目前Web开发中最常见的编码），一个中文字符、一个表情符号或某些特殊符号可能占用2个、3个甚至4个字节。如果substr()在截取过程中恰好“切断”了一个多字节字符的中间，就会导致乱码的出现。

示例：中文乱码问题<?php
$chinese_text = "你好，世界！PHP字符串截取演示。";
echo "原始字符串长度（字符）：" . strlen($chinese_text) . " (字节) "; // 输出：原始字符串长度（字符）：45 (字节)
// 注意：strlen() 也是基于字节的
// 尝试截取前5个“字符”（实际是按字节截取）
echo "使用substr截取前5个字符（按字节）：" . substr($chinese_text, 0, 5) . " ";
// 预期输出乱码，例如：你好�
// 中文字符通常占用3个字节，所以截取15个字节大致是5个中文字符
echo "使用substr截取前15个字节（约5个中文）：" . substr($chinese_text, 0, 15) . " ";
// Output: 你好，世界！
?>

在上面的例子中，substr($chinese_text, 0, 5)会尝试截取前5个字节。如果一个中文字符占用3个字节，那么它会截取一个半中文字符，导致第二个中文字符被截断，从而产生乱码。这种行为在处理任何非ASCII字符时都可能发生，包括但不限于中文、日文、韩文、俄文、希腊字母以及各种Unicode符号和表情。

二、多字节字符的救星：mb_substr() 函数

为了解决substr()在多字节字符串处理上的不足，PHP提供了mbstring扩展，其中包含了mb_substr()函数。它是专门为多字节字符集设计的，能够正确地按字符而非字节进行截取。

1. 前提：启用 mbstring 扩展

在使用mb_substr()之前，请确保您的PHP环境已启用mbstring扩展。您可以在文件中找到并取消注释以下行：extension=mbstring

或者在命令行运行php -m | grep mbstring来检查是否已加载。

2. 函数原型：

mb_substr(string $string, int $start, ?int $length = null, ?string $encoding = null): string
$string：要截取的原始字符串。
$start：从哪个字符位置开始截取。与substr()类似，非负数从开头算，负数从结尾算。
$length：可选参数，要截取的字符长度。与substr()类似，省略则截取到末尾，负数则表示从结尾往前数。
$encoding：关键参数！指定字符串的字符编码。建议始终显式设置为'UTF-8'，这是最佳实践。如果省略，则使用mb_internal_encoding()设置的内部编码。

3. mb_substr() 的正确用法示例：<?php
$chinese_text = "你好，世界！PHP字符串截取演示。";
// 显式设置编码为UTF-8，按字符截取前5个字符
echo "使用mb_substr截取前5个字符： " . mb_substr($chinese_text, 0, 5, 'UTF-8') . " ";
// Output: 你好，世界
// 使用mb_strlen() 获取字符长度，而不是字节长度
echo "原始字符串长度（字符）：" . mb_strlen($chinese_text, 'UTF-8') . " "; // Output: 原始字符串长度（字符）：16
// 截取从第3个字符开始（索引2），长度为4个字符
echo "从第3个字符开始截取4个字符：" . mb_substr($chinese_text, 2, 4, 'UTF-8') . " ";
// Output: 世界！P
// 从倒数第4个字符开始，截取2个字符
echo "从倒数第4个字符开始截取2个字符：" . mb_substr($chinese_text, -4, 2, 'UTF-8') . " ";
// Output: 演示
// 推荐始终显式指定编码，但也可以设置内部编码
mb_internal_encoding("UTF-8");
echo "使用内部编码截取前5个字符： " . mb_substr($chinese_text, 0, 5) . " ";
// Output: 你好，世界
?>

通过上面的例子，我们可以清楚地看到mb_substr()在处理多字节字符时的正确性和健壮性。无论字符串中包含何种语言的字符或特殊符号，只要正确指定了编码，它都能准确地按照字符数量进行截取。

三、高级字符串截取技巧与应用

仅仅能够正确截取字符还不足以满足复杂的业务需求。在实际开发中，我们还需要考虑如何让截取后的字符串更具可读性和用户友好性。

1. 智能添加省略号（...）

当字符串被截断时，通常需要添加一个省略号（例如“...”或“…”）来提示用户内容并未完全显示。这需要判断字符串是否真的被截断了，然后再添加。

示例：带省略号的截取函数<?php
function truncate_with_ellipsis(string $text, int $maxLength, string $ellipsis = '...', string $encoding = 'UTF-8'): string
{
// 如果原始字符串的字符长度小于或等于最大长度，则无需截取
if (mb_strlen($text, $encoding) <= $maxLength) {
return $text;
}
// 计算实际截取长度，需要预留省略号的字符空间
$ellipsisLength = mb_strlen($ellipsis, $encoding);
$actualTruncateLength = $maxLength - $ellipsisLength;
// 确保实际截取长度不为负或零，至少能截取一个字符
if ($actualTruncateLength <= 0) {
// 如果最大长度不够容纳省略号，则直接截取最大长度的字符，不加省略号
return mb_substr($text, 0, $maxLength, $encoding);
}
// 截取字符串并添加省略号
return mb_substr($text, 0, $actualTruncateLength, $encoding) . $ellipsis;
}
$long_text = "这篇文章很长，它包含了许多关于PHP字符串截取和多字节处理的详细信息，希望能帮助到你。";
$short_text = "PHP编程";
echo "长文本截取（20字符）：" . truncate_with_ellipsis($long_text, 20) . " ";
// Output: 这篇文章很长，它包含了许多关于PHP...
echo "短文本截取（20字符）：" . truncate_with_ellipsis($short_text, 20) . " ";
// Output: PHP编程
echo "长文本截取（5字符）：" . truncate_with_ellipsis($long_text, 5) . " ";
// Output: 这篇文章... (注意：这里会根据省略号长度调整，实际截取的是2个字符 + ...)
echo "长文本截取（2字符，省略号...长度3）：" . truncate_with_ellipsis($long_text, 2) . " ";
// Output: 这... (如果maxLength小于或等于ellipsisLength，可能需要特殊处理，这里选择直接截取maxLength长度)
?>

2. 保留词边界（Word Boundary）

对于西方语言（如英文），如果截取发生在单词中间，会影响阅读体验。在截取时，尽量在单词的末尾（空格处）截断，可以提高文本的可读性。

对于中文等非空格分隔的语言，"词边界"的概念有所不同，通常是以单个汉字为最小单位，但如果需要更高级的中文分词效果，则可能需要引入专业的中文分词库（如Jieba-PHP）。在没有分词库的情况下，我们通常只处理西文的词边界。

示例：保留词边界的截取<?php
function truncate_words_with_ellipsis(string $text, int $maxLength, string $ellipsis = '...', string $encoding = 'UTF-8'): string
{
if (mb_strlen($text, $encoding) <= $maxLength) {
return $text;
}
$ellipsisLength = mb_strlen($ellipsis, $encoding);
$actualTruncateLength = $maxLength - $ellipsisLength;
if ($actualTruncateLength <= 0) {
return mb_substr($text, 0, $maxLength, $encoding);
}
$truncated_text = mb_substr($text, 0, $actualTruncateLength, $encoding);
// 查找最后一个空格，确保不截断单词
// mb_strrpos 查找的是字符位置，如果截取部分没有空格，则会返回false
$last_space = mb_strrpos($truncated_text, ' ', 0, $encoding);
if ($last_space !== false) {
// 如果找到了空格，则截取到最后一个空格处
return mb_substr($truncated_text, 0, $last_space, $encoding) . $ellipsis;
} else {
// 如果截取的部分中没有空格（例如，全是中文或者单个很长的英文单词），
// 就直接按字符长度截取
return $truncated_text . $ellipsis;
}
}
$english_sentence = "This is a very long sentence that needs to be truncated gracefully.";
$chinese_sentence = "这是一个很长的句子，需要优雅地进行截取处理。";
echo "英文文本截取（20字符，保留词边界）：" . truncate_words_with_ellipsis($english_sentence, 20) . " ";
// Output: This is a very long... (而不是 This is a very lon...)
echo "英文文本截取（10字符，保留词边界）：" . truncate_words_with_ellipsis($english_sentence, 10) . " ";
// Output: This is a...
echo "中文文本截取（15字符，保留词边界 - 不适用）：" . truncate_words_with_ellipsis($chinese_sentence, 15) . " ";
// Output: 这是一个很长的句子，需要优雅地进行截取... (中文没有空格，所以行为类似无词边界截取)
?>

3. 处理包含HTML标签的字符串

当字符串中包含HTML标签时，直接截取可能会破坏HTML结构，导致页面显示异常。例如，截断了标签的开头，却保留了其闭合标签，或者反之。处理这种情况有几种策略：

策略一：在截取前剥离HTML标签（最常用、最安全）

如果截取后的文本只是用于纯文本显示（如文章摘要），那么最简单安全的做法是先使用strip_tags()函数移除所有HTML标签，然后再进行截取。<?php
function truncate_html_safe(string $html_content, int $maxLength, string $ellipsis = '...', string $encoding = 'UTF-8'): string
{
// 先剥离HTML标签
$plain_text = strip_tags($html_content);
// 然后使用之前的带省略号的截取函数处理纯文本
return truncate_with_ellipsis($plain_text, $maxLength, $ellipsis, $encoding);
}
$html_text = "这是一段包含HTML标签的文本， 用于演示安全截取。";
echo "剥离HTML后截取（20字符）：" . truncate_html_safe($html_text, 20) . " ";
// Output: 这是一段包含HTML标签的文本，用于演示安全截取...
?>

策略二：使用专门的HTML处理库

如果需要在截取后保留部分HTML格式（例如只保留加粗、斜体等，但限制长度），手动处理非常复杂且容易出错。这时应考虑使用像 HTML Purifier 这类专业的HTML处理库，它们能更智能地解析、清理并安全截取HTML。

四、封装一个通用的智能截取函数

为了在项目中方便复用，我们可以将上述所有逻辑封装到一个通用的函数中，提供灵活的参数配置。<?php
/
* 智能截取字符串，支持多字节字符、保留词边界、剥离HTML标签和添加省略号。
*
* @param string $text 要截取的字符串
* @param int $maxLength 最大字符长度（包括省略号的长度）
* @param string $ellipsis 省略号字符，默认为 "..."
* @param bool $wordBoundary 是否尝试保留词边界（主要针对西文），默认为 true
* @param bool $stripTags 是否在截取前剥离HTML标签，默认为 false
* @param string $encoding 字符串编码，默认为 'UTF-8'
* @return string 截取后的字符串
*/
function smart_truncate(
string $text,
int $maxLength,
string $ellipsis = '...',
bool $wordBoundary = true,
bool $stripTags = false,
string $encoding = 'UTF-8'
): string {
// 1. 如果需要，先剥离HTML标签
if ($stripTags) {
$text = strip_tags($text);
}
// 2. 获取原始字符串的字符长度
$originalLength = mb_strlen($text, $encoding);
// 3. 如果原始字符串已经小于或等于最大长度，则直接返回
if ($originalLength <= $maxLength) {
return $text;
}
// 4. 计算省略号的字符长度
$ellipsisLength = mb_strlen($ellipsis, $encoding);
// 5. 计算实际可用于内容截取的长度
// 如果maxLength不够容纳省略号，或者和省略号长度相同，则直接截取maxLength的长度，不加省略号
if ($maxLength <= $ellipsisLength) {
return mb_substr($text, 0, $maxLength, $encoding);
}
$actualContentLength = $maxLength - $ellipsisLength;
// 6. 初步截取字符串
$truncated = mb_substr($text, 0, $actualContentLength, $encoding);
// 7. 如果需要，处理词边界（主要针对西文）
if ($wordBoundary) {
// 查找最后一个空格的位置
$last_space = mb_strrpos($truncated, ' ', 0, $encoding);
if ($last_space !== false) {
// 如果找到了空格，则截取到最后一个空格处
$truncated = mb_substr($truncated, 0, $last_space, $encoding);
}
// 对于中文等无空格语言，此步骤通常无效果，但不会出错
}
// 8. 添加省略号
return $truncated . $ellipsis;
}
// 示例用法：
$sample_long_text = "<h2>PHP字符串截取是一个常见的任务。</h2>尤其是在处理多字节字符，如中文、日文、韩文或各种表情符号时，理解其背后的原理至关重要。本文将详细探讨substr和mb_substr的区别，并提供高级的截取策略。";
echo "

纯文本截取（25字符，无词边界，带省略号）：

";
echo smart_truncate($sample_long_text, 25, '...', false, true) . " ";
// Output: PHP字符串截取是一个常见的任务。尤其是在处理多字节字符，如中文、日文、韩文或各种表情符号时，理解其背后的原理至关重要。本文将详细探讨substr和mb_substr的区别，并提供高级的截取策略。...
echo "

纯文本截取（50字符，保留词边界，带省略号）：

";
echo smart_truncate($sample_long_text, 50, '...', true, true) . " ";
// Output: PHP字符串截取是一个常见的任务。尤其是在处理多字节字符，如中文、日文、韩文或各种表情符号时，理解其背后的原理至关重要。本文将详细探讨substr和mb_substr的区别，并提供高级的截取策略。...
$english_html_text = "This is a very long English sentence that needs to be truncated gracefully without breaking HTML tags.";
echo "

英文HTML文本截取（25字符，保留词边界，剥离HTML）：

";
echo smart_truncate($english_html_text, 25, '...', true, true) . " ";
// Output: This is a very long English sentence that needs to be truncated gracefully without breaking HTML tags....
echo "

英文纯文本截取（15字符，无词边界）：

";
echo smart_truncate("An extremely long word", 15, '...', false, false) . " ";
// Output: An extremely lo...
echo "

英文纯文本截取（15字符，有词边界）：

";
echo smart_truncate("An extremely long word", 15, '...', true, false) . " ";
// Output: An extremely...
?>

五、最佳实践与总结

通过本文的深入学习，我们现在可以总结出在PHP中进行字符串截取的几个最佳实践：
始终使用mb_substr()进行字符截取： 鉴于现代Web应用通常需要处理多语言和各种特殊符号，mb_substr()是处理多字节字符串的唯一可靠方法。避免在任何非纯ASCII字符串上直接使用substr()。
显式指定编码： 在使用mb_substr()时，务必通过第四个参数显式指定字符串的编码，通常是'UTF-8'。这比依赖mb_internal_encoding()更安全，能避免潜在的环境配置问题。
使用mb_strlen()获取字符长度： 与mb_substr()配套使用，mb_strlen()能正确计算多字节字符串的字符数量，而不是字节数量。
智能添加省略号： 根据实际需求，判断是否需要添加省略号，并合理计算截取长度，确保省略号本身不会被截断。
考虑词边界： 对于西方语言，在截取时尝试保留词边界可以显著提升用户体验。
安全处理HTML： 如果截取后的文本仅用于纯文本显示，优先使用strip_tags()剥离HTML标签。如果需要保留部分格式，考虑使用专门的HTML处理库。
封装为通用函数： 将复杂的截取逻辑封装成一个或多个通用函数，便于项目中的复用和维护。

字符串截取看似简单，但其背后涉及到字符编码的深刻理解。掌握mbstring系列函数，尤其是mb_substr()和mb_strlen()，是每一位PHP开发者迈向国际化和高质量代码的必经之路。通过采纳本文提供的技巧和最佳实践，您将能够自信地处理各种字符串截取场景，确保您的应用在多语言环境下也能提供完美的文本显示体验。

2025-11-10

上一篇：PHP数据库连接核心指南：深度解析连接参数、PDO与MySQLi实践及安全策略

下一篇：Dreamweaver、PHP与Access数据库：构建动态Web应用的深度指南