PHP字符串截取函数详解

PHP字符串截取看似简单，实则暗藏陷阱：substr()按字节操作，在处理中文、emoji等UTF-8多字节字符时极易引发乱码；真正安全可靠的选择是mb_substr()，但必须显式指定"UTF-8"编码参数——依赖全局设置或省略编码会导致环境差异下的不可预知错误；同时需配合mb_strlen()精准判断长度、避免冗余拼接省略号，并在性能敏感场景下合理结合strlen()粗筛与缓存策略；归根结底，PHP字符串处理的核心挑战在于时刻区分“字节”与“字符”，并为每一次操作明确编码契约——稍有疏忽，乱码、逻辑错位甚至安全风险便随之而来。

substr() 是 PHP 里最常用、但最容易出错的截取函数

它按字节截取，不是按字符。中文、emoji、UTF-8 多字节字符一截就乱码，比如 substr("你好", 0, 2) 可能只输出一个问号或空字符串。

实操建议：

• 纯 ASCII 字符（英文、数字、基本符号）用 substr() 安全，比如处理日志 ID、token 前缀
• 含中文、日文、emoji 或不确定编码的字符串，必须换用 mb_substr()
• 使用前确认当前脚本的内部编码：用 mb_internal_encoding() 查，没设就默认 ISO-8859-1，mb_substr() 会失效
• 示例：mb_substr("Hello世界?", 0, 5, "UTF-8") → "Hello"；mb_substr("Hello世界?", 0, 6, "UTF-8") → "Hello世"

mb_substr() 必须显式传入编码参数

很多人写了 mb_substr($str, 0, 10) 就跑，结果在某些环境（如 CLI 模式或旧 PHP 版本）下还是乱码——因为没指定第四个参数 encoding，它会 fallback 到 mb_internal_encoding() 的值，而这个值不一定等于你字符串的实际编码。

实操建议：

• 永远显式写全四个参数：mb_substr($str, $start, $length, "UTF-8")
• 不要依赖 mb_internal_encoding("UTF-8") 全局设置，它容易被其他扩展或框架覆盖
• 如果字符串来源不可控（如用户 POST、数据库读取），先用 mb_detect_encoding() 探测，再传给 mb_substr()，但注意该函数不准，仅作兜底，优先靠约定（如 MySQL 连接统一设为 utf8mb4）

截取超长字符串并加省略号？别直接拼接

mb_substr($str, 0, 20, "UTF-8") . "..." 看似简单，但当原字符串本身不到 20 字符时，会多出三个点，语义错误。

实操建议：

• 先判断长度：$truncated = mb_strlen($str, "UTF-8") > 20 ? mb_substr($str, 0, 20, "UTF-8") . "..." : $str;
• 注意 mb_strlen() 也必须传编码，否则和 mb_substr() 编码不一致会导致逻辑错位
• 如果要兼容 HTML 输出，省略号后的 ... 建议用 … 实体，避免被 CSS text-overflow: ellipsis 干扰

性能敏感场景下，strlen() 和 mb_strlen() 差距很大

对一个 1MB 的 UTF-8 中文文本调用 mb_strlen($str, "UTF-8")，比 strlen($str) 慢 10 倍以上——因为前者要逐字节解析多字节序列，后者只是读 strlen 字段。

实操建议：

• 如果只是做“是否超长”的快速判断（比如防 DOS），先用 strlen() 粗筛：if (strlen($str) > 2000) { /* 再用 mb_strlen 精判 */ }
• 缓存 mb_strlen() 结果，尤其在循环中重复截取同一字符串时
• PHP 8.0+ 可考虑 mb_str_split() 配合 array_slice()，但通常没必要，mb_substr() 已足够

真正麻烦的不是函数选哪个，而是你得时刻记住：PHP 的字符串函数分两套体系，一套是字节，一套是字符，混用一次就崩一次。编码不声明清楚，连 mb_substr() 都救不了你。

理论要掌握，实操不能落！以上关于《PHP字符串截取函数详解》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！