PHP中英文混合字符串计算及截取

2015-08-10

之前在处理商品标题的时候，限制了12个字符，而中英文字符长度在不同编码下不同，在网站中统一用utf-8编码，开发用的店铺为测试账号，之前在不发商品名单控制中没限制好，导致很多测试商品买家可以在主站购买，这样可以统一在测试店铺的商品前边加上【测试商品】几个字，用作特殊处理。有遗漏的请留言。

先介绍一下字符的编码

计算机只能识别二进制，对于0-9、A-Z、a-z、特殊的符号，计算机都不能认识。

ASCII编码：是美国人发明的，用于处理显示英语国家的语言而设计的字符集。用7位或8位二进制来表示一个字符。
- 共可以表示2^8=256个字符。如：10101010 表示 A
ANSI编码：其它国家为了显示本国语言，而对ASCII码进行了扩充。
- 常用的ANSI编码有：GB2312、GBK、BIG5、JIS
- ANSI 中的字符都是用2个字节(16位二进制)来表示一个字符。如：用1110000000101011表示一个“北”
- GB2312 简体中文编码：对6763常用汉字进行编码。
- GBK简体扩展码 对GB2312进行了扩展，可以对2.4万汉字进行了编码，提供了1800多个造字位。
- BIG5 繁体中文编码。
Unicode编码(统一)：将世界上所有字符进行了统一编码，大约100万个左右。效率太低，不便于推广。
- 用4个字节(32位二进制)来表示一个字符。如：00000000000000000000000010100010 代表 A
UTF-8编码(统一格式转换)：根据不同字符而选择不同的编码长度。
- UTF-8是一种可变长度编码，又称“多国语言编码”。
- UTF-8用1到6个字节编码UNICODE字符。用在网页上可以同一页面显示中文简体繁体及其它语言（如英文，日文，韩文）。
- 一个汉字在utf-8下的长度为3

几个获取字符串长度的php函数

1.strlen( string $str) //获取字符串长度
注意：这里用的字符编码为php内部编码。及根据不同的字符来判断；

$str1="hello";
$str2="你好";
$str3="hello你好";
echo strlen($str1);     //5
echo strlen($str2);     //6
echo strlen($str3);     //11
$encode1 = mb_detect_encoding($str1, array("ASCII",'UTF-8',"GB2312","GBK",'BIG5')); 
$encode2 = mb_detect_encoding($str2, array("ASCII",'UTF-8',"GB2312","GBK",'BIG5')); 
$encode3 = mb_detect_encoding($str3, array("ASCII",'UTF-8',"GB2312","GBK",'BIG5')); 
echo $encode1;         //ASCII
echo $encode2;         //UTF-8
echo $encode3;         //UTF-8

现在看明白了吧，用strlen这个函数时，php会根据字符来将其转化为相应的字符编码。当识别出字符为英文时，则选择ASCII编码，当为中文时为UTF-8，中英文混合时为UTF-8.

2.mb_strlen( string $str [, string $encoding = mb_internal_encoding() ]) //获取字符串的长度
注意：这里的第二个参数可以选择将字符串以哪种编码形式来计算。可省略，省略后同strlen

$str1="hello";
$str2="你好";
$str3="hello你好";
echo mb_strlen($str1,"utf-8");     //5
echo mb_strlen($str2,"utf-8");     //2
echo mb_strlen($str3,"utf-8");     //7

可见，在mb_strlen计算时，选定内码为UTF8，则会将一个中文字符当作长度1来计算。其他的自己试试吧，不做赘述了。

3.substr ( string $string , int $start [, int $length ] ) //返回字符串 string 由 start 和 length 参数指定的子字符串。

<?php
	$rest = substr("abcdef", -1);    // 返回 "f"
	$rest = substr("abcdef", -2);    // 返回 "ef"
	$rest = substr("abcdef", -3, 1); // 返回 "d"
?>
<?php
	$rest = substr("abcdef", 0, -1);  // 返回 "abcde"
	$rest = substr("abcdef", 2, -1);  // 返回 "cde"
	$rest = substr("abcdef", 4, -4);  // 返回 ""
	$rest = substr("abcdef", -3, -1); // 返回 "de"
?>
<?php
	echo substr('abcdef', 1);     // bcdef
	echo substr('abcdef', 1, 3);  // bcd
	echo substr('abcdef', 0, 4);  // abcd
	echo substr('abcdef', 0, 8);  // abcdef
	echo substr('abcdef', -1, 1); // f
	// 访问字符串中的单个字符
	// 也可以使用中括号
	$string = 'abcdef';
	echo $string[0];                 // a
	echo $string[3];                 // d
	echo $string[strlen($string)-1]; // f
?>

4.string mb_substr ( string $str , int $start [, int $length = NULL [, string $encoding = mb_internal_encoding() ]] ) //根据字符数执行一个多字节安全的 substr() 操作。位置是从 str 的开始位置进行计数。第一个字符的位置是 0。第二个字符的位置是 1，以此类推。

$str="【测试商品】hello";
echo mb_strlen($str,'utf-8');     //11
echo mb_substr($str,0,6,'utf-8');   //【测试商品】
echo mb_substr($str,6,mb_strlen($str,'utf-8')-6,'utf-8');    //hello