php mb_strwidth函数实现中英文混排字符串截取

作者：袖梨 2022-06-24

mb_strwidth($str, $encoding) 返回字符串的宽度

$str 要计算的字符串

$encoding 要使用的编码，如 utf8、gbk

mb_strimwidth($str, $start, $width, $tail, $encoding) 按宽度截取字符串

$str 要截取的字符串

$start 从哪个位置开始截取，默认是0

$width 要截取的宽度

$tail 追加到截取字符串后边的字符串，常用的是 ...

$encoding 要使用的编码

代码如下

复制代码

/**
* utf8 编码格式
* 1个中文占用3个字节
* 我们希望的是1个中文占用2个字节，
* 因为从宽度上看2个英文字母占用的位置相当于1个中文
*/

// 测试字符串
$str = 'aaaa啊啊aaaa啊啊啊aaa';
echo strlen($str); // 只用strlen输出为25个字节

// 必须指定编码，不然会使用php的内码 mb_internal_encoding()可以查看内码
// 使用mb_strwidth输出字符串的宽度为20使用utf8编码
echo mb_strwidth($str, 'utf8');

// 只有宽度大于10才截取
if(mb_strwidth($str, 'utf8')>10){
    // 此处设定从0开始截取，取10个追加...，使用utf8编码
    // 注意追加的...也会被计算到长度之内
    $str = mb_strimwidth($str, 0, 10, '...', 'utf8');
}

// 最后输出 aaaa啊... 4个a算4个 1个啊算2个 3个点算3个 4+2+3=9
// 是不是很简单啊，有的人说了为什么是9个不是10个吗？
// 因为正好“啊”的后边还是“啊”，中文算2个，9+2=11 超出了设定，所以去掉1个就是9了
echo $str;

如果对于全中文没有问题但如果中间有符号了就有问题了，如我使用mb_strimwidth，mb_strwidth，后发现如果标题中存在“”符号的时候，PHP mb_strwidth会将该符号认为是1个宽度，我纳闷了这个不是中文的双引号嘛，照理说肯定是宽字节的，长度应该是2个宽度，后查询“”unicode分别为u201C和u201D，不在中文字符的范围中，再查询unicode.org 的码表，发现u2000-u206F是通用符号的范围，此范围中的字符虽然都是宽字符的形式，但是PHP 的mb_函数却认为是1个宽度，没办法，只能靠自己了。

代码如下

复制代码

function truncString($str, $length)
{
$countLen=0;
for($i=0;$i {
$countLen+=amb_strwidth(mb_substr($str,$i,1));
if($countLen>$length)
return mb_substr($str,0,$i);
}
return $str;
}
function amb_strwidth($str_width)
{
$count=0;
for($i=0;$i {
//if(mb_substr($str_width,$i,1)=="＼xE2＼x80＼x9C"||mb_substr($str_width,$i,1)=='＼xE2＼x80＼x9D')
//如果遇到u2000-u206F内的字符则将计数器加2
if(preg_match("/[＼x{2000}-＼x{206F}]/u",mb_substr($str_width,$i,1)))
$count+=2;
else
$count+=mb_strwidth(mb_substr($str_width,$i,1));
}
return $count;
}