如何結合mb_get_info 和mb_substr 來正確截取多字節字符串

gitbox 2025-05-11

在PHP 中處理字符串時，如果涉及到中文、日文、韓文等多字節字符，使用常規的字符串函數（如substr ）很容易出現字符截斷錯誤，導致亂碼或不完整字符。為了避免這種問題，PHP 提供了多字節字符串擴展mbstring ，其中兩個非常實用的函數是mb_get_info和mb_substr 。

本文將通過實例，講解如何結合這兩個函數，安全而正確地截取多字節字符串。

一、 mb_get_info() ：了解多字節環境信息

mb_get_info()用於獲取當前的多字節環境配置信息。通過它，我們可以知道當前使用的內部編碼是什麼，從而確保在進行字符串操作時，編碼一致。

 <?php
$info = mb_get_info();
echo "當前使用的多字節編碼是：" . $info['internal_encoding'];
?>

通常，建議在腳本開頭明確設置編碼，避免默認設置引發問題：

 <?php
mb_internal_encoding('UTF-8'); // 設置為 UTF-8
?>

二、 mb_substr() ：多字節安全的字符串截取

mb_substr()是substr()的多字節版本，用於從字符串中截取指定長度的子串，支持多種字符編碼，避免字符被錯誤地一刀切。

語法如下：

 mb_substr(string $string, int $start, ?int $length = null, ?string $encoding = null): string

參數解釋：

$string ：原始字符串
$start ：起始位置（從0 開始）
$length ：可選，截取的長度
$encoding ：可選，指定編碼（建議明確寫出）

三、結合使用示例：截取文章摘要

假設我們從一段UTF-8 編碼的中文文章中截取前50 個字符作為摘要：

 <?php
mb_internal_encoding('UTF-8'); // 明確指定編碼

$article = "PHP 是一種廣泛應用的開放源代碼的多用途腳本語言，尤其適用於 Web 開發並可嵌入 HTML 中。";

// 截取前 50 個字符
$summary = mb_substr($article, 0, 50);

echo "文章摘要：" . $summary;
?>

輸出結果不會亂碼，因為mb_substr會以字符為單位處理，而不是以字節為單位。

四、實戰：處理帶有用戶輸入的多字節字符串

比如用戶提交一段評論，我們想在展示列表中只顯示前30 個字符，並提供“閱讀全文”鏈接：

 <?php
mb_internal_encoding('UTF-8');

$comment = "這是用戶提交的一段非常精彩的評論，我們希望只顯示部分內容。";

$preview = mb_substr($comment, 0, 30);

echo $preview . '... <a href="https://gitbox.net/full-comment.php?id=123">閱讀全文</a>';
?>

這樣做不僅可以避免頁面因超長內容變得臃腫，也保障了字符的完整顯示。

五、注意事項與補充

如果你要處理的是GBK、BIG5 等其他編碼，記得在每個mb_函數中明確指定編碼參數。
mb_strlen()也可以搭配使用，用於判斷截取前是否有必要（比如只有20 字符時，不必截取30）。
在HTML 環境中輸出截取內容時，還要注意轉義，避免XSS 問題。