中文字符串截取造成的乱码处理

近日接手一个二开添加翻译插件的任务，加翻译插件前网页显示正常，加插件后部分网页前部显示正常，后部显示乱码，看起来与文本编码不正确差不多。一开始感觉有些无从下手，仔细浏览网页后发现，每次出现乱码前都有个不完整的文字，怀疑是文字截取错误造成了乱码。

打开源码，发现原代码中使用了substr函数来截取字符串。在php中，substr函数是严格按字节数来截取字符串，虽然一个中文字符为3个字节，如果仅以3的倍数来进行截取，字符串中一旦出现字母、数字等单字节字符而没有在截取前进行判断处理，就很容易造成出现截取到半个中文字符的情况。

例如如下代码，

$str="活泼枫叶6c的头条号";
echo substr($str,0,15);

运行的结果为

活泼枫叶6c?

虽然截取的15个字符，因为6c两个字符只占2个字节，打乱了字符串的规律，所以结果会出现半个字符。

说到这里，可能有些小伙伴会想在截取前先对字符串进行一下处理，或者自己写一个函数。其实大可不必这么麻烦，php已经为我们提供了解决方案。

1、按字符数量截取字符串的mb_substr

例如

$str="活泼枫叶6c的头条号";
echo mb_substr($str,0,7);

运行的结果为

活泼枫叶6c的

需要截取几个字，参数就写几个字，一目了然。

2、按字节截取字符串的mb_strcut

例如

$str="活泼枫叶6c的头条号";
echo mb_strcut($str,0,15);

运行结果为

活泼枫叶6c

可以看到，虽然mb_strcut也是按字节截取字符串，但它不会截断字符。

在PHP中，substr虽然用得很多，但要对中文字符串进行截取时，应根据需要选择mb_substr或mb_strcut，从而避免出现半个字符乱码的情况。