php截断字符串用的是substr,但是这个是无法截断中文的,原因就是中文是采用多字节编码。这里说一下针对utf8编码的汉字截断原理。
UTF-8的编码规则是这样的
1)对于单字节的符号,字节的第一位(字节的最高位)设为0,后面7位为这个符号的unicode码。因此对于英语字母,UTF-8编码和ASCII码是相同的。
2)对于n字节的符号(n>1),第一个字节的前n位都设为1,第n+1位设为0,后面字节的前两位一律设为10。剩下的没有提及的二进制位,全部为这个符号的unicode码。
下表总结了编码规则,字母x表示可用编码的位。
UTF-8编码方式(十六进制) | 十进制|(二进制)
—————+———————————————————————
0000 0000-0000 007F |0 - 127 | 0xxxxxxx
0000 0080-0000 07FF |192 - 223 |110xxxxx 10xxxxxx
0000 0800-0000 FFFF |224 - 239 |1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF |240 - 247 |11110xxx 10xxxxxx 10xxxxxx 10xxxxxx