php中的substr、mb_substr和mb_strcut和字符集的关系

1 utf-8字符集

<?php
mb_internal_encoding('UTF-8');
var_dump(mb_internal_encoding());
$string = 'cioèòà';          
var_dump(                    
    substr($string, 0, 6),   
    mb_substr($string, 0, 6),
    mb_strcut($string, 0, 6) 
);                           
$string = '这样就不会出现乱码了- ^ ^ - ';
var_dump(                    
    substr($string, 0, 7),   
    mb_substr($string, 0, 7),
    mb_strcut($string, 0, 7) 
);

输出：

[dev@dev02 test]$ php testMb.php
string(5) "UTF-8"
string(6) "cioèb
string(9) "cioèòà"
string(5) "cioè"
string(7) "这样
string(21) "这样就不会出现"
string(6) "这样"

2 ISO-8859-1字符集

<?php
mb_internal_encoding('ISO-8859-1');
var_dump(mb_internal_encoding());
$string = 'cioèòà';          
var_dump(                    
    substr($string, 0, 6),   
    mb_substr($string, 0, 6),
    mb_strcut($string, 0, 6) 
);                           
$string = '这样就不会出现乱码了- ^ ^ - ';
var_dump(                    
    substr($string, 0, 7),   
    mb_substr($string, 0, 7),
    mb_strcut($string, 0, 7) 
);

输出：

[dev@dev02 test]$ php testMb.php
string(10) "ISO-8859-1"
string(6) "cioèb
string(6) "cioèb
string(6) "cioèb
string(7) "这样
string(7) "这样
string(7) "这样

3 UTF-16BE 字符集 unicode 4个字节版本 32位

<?php
mb_internal_encoding('UTF-16BE');
var_dump(mb_internal_encoding());
$string = 'cioèòà';          
var_dump(                    
    substr($string, 0, 6),   
    mb_substr($string, 0, 6),
    mb_strcut($string, 0, 6) 
);                           
$string = '这样就不会出现乱码了- ^ ^ - ';
var_dump(                    
    substr($string, 0, 7),   
    mb_substr($string, 0, 7),
    mb_strcut($string, 0, 7) 
);

输出：

[dev@dev02 test]$ php testMb.php
string(8) "UTF-16BE"
string(6) "cioèb
string(8) "cioèòb
string(6) "cioèb
string(7) "这样
string(14) "这样就不亢
string(6) "这样"

4 ascii码

<?php
mb_internal_encoding('ASCII');
var_dump(mb_internal_encoding());
$string = 'cioèòà';          
var_dump(                    
    substr($string, 0, 6),   
    mb_substr($string, 0, 6),
    mb_strcut($string, 0, 6) 
);                           
$string = '这样就不会出现乱码了- ^ ^ - ';
var_dump(                    
    substr($string, 0, 7),   
    mb_substr($string, 0, 7),
    mb_strcut($string, 0, 7) 
);

输出：

[dev@dev02 test]$ php testMb.php
string(5) "ASCII"
string(6) "cioèb
string(6) "cioèb
string(6) "cioèb
string(7) "这样
string(7) "这样
string(7) "这样

总而言之，需要对中文进行取子串，需要设置内部编码字符集为UTF-8,然后使用mb_substr或者mb_strcut。mb_substr是按照字符为单位来截取子串的，而mb_strcut是按照字节来截取子串的，但是不会把不能组成一个字符的字节截取过来，而是舍去。
如第一个例子，使用 mb_strcut($string, 0, 7) 截取的7个字节，但是输出 【string(6) "这样"】是6个字节。