PHP mbstring 截取多字节文本避免乱码

PHP 处理中文、日文或 emoji 时，直接使用 substr() 可能把一个 UTF-8 字符从中间切开，结果出现乱码或替代字符。稳定的做法是先确认文本编码，再用 mb_substr($text, $start, $length, 'UTF-8') 按字符位置截取，并用 mb_strlen() 做长度判断。

官方文档：https://www.php.net/manual/zh/book.mbstring.php

只要业务边界是“取前 N 个字符”，就使用 mbstring 的字符级函数；只有在明确处理原始字节或协议数据时，才考虑字节级函数。

PHP 截取中文不乱码的最小写法

UTF-8 中一个中文字符通常由多个字节组成，而 substr() 的偏移量和长度是按字节工作的。mbstring 提供面向多字节字符串的函数，mb_substr() 则按照字符数执行截取，所以更适合文章摘要、昵称、接口提示语等面向用户的文本。

如果运行环境没有加载 mbstring，会出现“Call to undefined function mb_substr()”。Linux 包管理器、Windows 扩展配置和 PHP-FPM 使用的配置文件可能不同，排查时要确认实际运行的 SAPI，而不是只看命令行的 php.ini。

start、length 和 encoding 的边界要先约定

mb_substr() 的 start 从 0 开始计数，length 表示最多取多少个字符；省略 length 或传入 null 时，会一直取到字符串末尾。start 可以是负数，表示从字符串尾部倒数定位，这对取文件名后缀前的尾部摘要很方便。

不要把 mb_substr() 的“字符安全”理解成“语义安全”。它不会自动识别一个组合 emoji、复杂 grapheme cluster 或 HTML 标签。富文本截断应先转为纯文本，涉及用户可见字素时再考虑更专门的分段策略。

按场景选择长度函数和截取边界

列表摘要通常需要“最多 N 个字符”，用 mb_strlen() 判断后再拼接省略号；终端或固定宽度卡片则可能关心中文占两列、英文占一列的显示宽度，这时应考虑 mb_strimwidth()，不能只用字符数代替视觉宽度。

三者的职责可以这样记：mb_strlen() 回答“有多少个字符”，mb_substr() 回答“取哪一段字符”，mb_strimwidth() 回答“在指定显示宽度内保留什么”。数据库字段长度、接口校验长度和前端视觉宽度也应分别定义。

混合文本的检查清单

• 输入来源明确是 UTF-8，并在函数中显式传入 'UTF-8'。
• 需要用户可见字符时不用 substr() 直接裁剪中文。
• 空字符串、start 超出范围、length 为 0 或负数都写入测试用例。
• 摘要长度与数据库字段限制分开计算，省略号是否占配额要先约定。
• 界面固定宽度场景用显示宽度函数验证，而不是凭字符数猜测。

最小验证集应包含纯中文、纯英文、中英文混合、emoji、空字符串和尾部截取。这样既能发现乱码，也能提前暴露“字符数量正确但界面仍然溢出”的另一类问题。

常见问题

mb_substr() 省略编码参数可以吗？

可以省略，PHP 会使用内部字符编码；但在多环境部署中显式传入 UTF-8 更容易读懂，也能减少配置差异造成的结果变化。

为什么 mb_strlen() 和 strlen() 得到的数字不同？

strlen() 面向字节，mb_strlen() 在指定编码下按字符统计。中文、emoji 等多字节内容中，两者不同是正常现象。