php截取等长UFT8中英文混合字串

由于需要，想实现“php截取等长UFT8中英文混合字串”，可是网上找了很多代码不是有乱码就是不能实现等长（以一个中文长度为单位，两个英文字母算一个长度，如‘等长’长度为2，‘UTF8’长度也是2）。

由于utf8编码时，中文为三个字节，英文为一个字节，用substr就会出现乱码，用mb_substr会出现上面的不等长问题，但不会有乱码；

我以字节为单位进行操作，简单实现了一个小程序。

只能在utf8编码是使用。

    /*utf8编码时截取等长中英文字串*/ //英文标点[.,\"\\?!:_']
    <?
    function substr_utf8($string,$start,$length)
    {       //by aiou
         $chars = $string;
         //echo $string[0].$string[1].$string[2];
         $i=0;
         do{
            if (preg_match ("/[0-9a-zA-Z]/", $chars[$i])){//纯英文
                $m++;
            }
        else {$n++;     }//非英文字节,
            $k = $n/3+$m/2;
            $l = $n/3+$m;//最终截取长度；$l = $n/3+$m*2？
            $i++;
        } while($k < $length);
         $str1 = mb_substr($string,$start,$l,'utf-8');//保证不会出现乱码
         return $str1;
    }  

测试结果：

    $string = '第一次截取，mb_substr返回的是字符串宽度是按“字”来计算';
    $string1 = '第一次截取，返回的是字符串宽度是按“字”来计算';
    $string2 = '第A一D次截取，返回的12345是字符串宽度是按“字”来计算';  

1.

    echo substr_utf8($string,0,1).'<br/>';
    echo substr_utf8($string,0,2).'<br/>';
    echo substr_utf8($string,0,3).'<br/>';
    echo substr_utf8($string,0,4).'<br/>';
    echo substr_utf8($string,0,5).'<br/>';
    echo substr_utf8($string,0,6).'<br/>';
    echo substr_utf8($string,0,7).'<br/>';
    echo substr_utf8($string,0,8).'<br/>';
    echo substr_utf8($string,0,9).'<br/>';
    echo substr_utf8($string,0,10).'<br/>';
    echo substr_utf8($string,0,11).'<br/>';
    echo substr_utf8($string,0,12).'<br/>';
    echo substr_utf8($string,0,13).'<br/>';
    echo substr_utf8($string,0,14).'<br/>';
    echo substr_utf8($string,0,15).'<br/>';
    echo substr_utf8($string,0,16).'<br/>';
    echo substr_utf8($string,0,17).'<br/>';
    echo substr_utf8($string,0,18).'<br/>';
    echo substr_utf8($string,0,19).'<br/>';
    echo substr_utf8($string,0,20).'<br/>';  

第

第一

第一次

第一次截

第一次截取

第一次截取，

第一次截取，mb

第一次截取，mb_s

第一次截取，mb_sub

第一次截取，mb_subst

第一次截取，mb_substr

第一次截取，mb_substr返

第一次截取，mb_substr返回

第一次截取，mb_substr返回的

第一次截取，mb_substr返回的是

第一次截取，mb_substr返回的是字

第一次截取，mb_substr返回的是字符

第一次截取，mb_substr返回的是字符串

第一次截取，mb_substr返回的是字符串宽

第一次截取，mb_substr返回的是字符串宽度

2.

    $ss='1234567890abcdefghijklmnopqrst';
    echo Utf8Helper::substr_utf8($ss,0,1).'<br/>';
    echo Utf8Helper::substr_utf8($ss,0,2).'<br/>';
    echo Utf8Helper::substr_utf8($ss,0,3).'<br/>';
    echo Utf8Helper::substr_utf8($ss,0,4).'<br/>';
    echo Utf8Helper::substr_utf8($ss,0,5).'<br/>';
    echo Utf8Helper::substr_utf8($ss,0,6).'<br/>';
    echo Utf8Helper::substr_utf8($ss,0,7).'<br/>';
    echo Utf8Helper::substr_utf8($ss,0,8).'<br/>';
    echo Utf8Helper::substr_utf8($ss,0,9).'<br/>';
    echo Utf8Helper::substr_utf8($ss,0,10);  

12
1234

123456

12345678

1234567890

1234567890ab

1234567890abcd

1234567890abcdef

1234567890abcdefgh

1234567890abcdefghij

长度都以汉字数为基准。

基本上每两个英文字母、数字、英文标点算作一个汉字长度。看上去效果还不错。

改进一下还可以做其它编码下的。

效率没做测试，还没有这概念。