比较discuz和ecshop的截取字符串函数-阿里云开发者社区

网上看到一篇文章 discuz和ecshop截取字符串的两个函数，比较了一下两个版本的函数，都各有局限，只能在特定的前提下使用，但是学习一下有利于拓宽思路，了解PHP的扩展功能。

下面先给出两个版本函数的源代码以及简单测试，最后我会给出一个实用性更强的字符串截取函数。需要注意的是：这里讨论的字符串截取问题都是针对UTF-8编码的中文字符串。

discuz版本

1 /* *
2 * [discuz] 基于PHP没有安装 mb_substr 等扩展截取字符串，如果截取中文字则按2个字符计算
3 * @param  $string     要截取的字符串
4 * @param  $length     要截取的字符数
5 * @param  $dot        替换截掉部分的结尾字符串
6 * @return 返回截取后的字符串
7 */
8 function cutstr( $string, $length, $dot = '...') {
9    // 如果字符串小于要截取的长度则直接返回
10   // 此处使用strlen获取字符串长度有很大的弊病，比如对字符串“新年快乐”要截取4个中文字符，
11   // 那么必须知道这4个中文字符的字节数，否则返回的字符串可能会是“新年快乐...”
12    if ( strlen( $string) <= $length) {
13        return $string;
14   }
15
16    // 转换原字符串中htmlspecialchars
17    $pre = chr(1);
18    $end = chr(1);
19    $string = str_replace ( array ('&', '"', '<', '>' ), array ( $pre . '&' . $end, $pre . '"' . $end, $pre . '<' . $end, $pre . '>' . $end ), $string );
20
21    $strcut = '';    // 初始化返回值
22
23   // 如果是utf-8编码(这个判断有点不全,有可能是utf8)
24    if ( strtolower ( CHARSET ) == 'utf-8') {
25      // 初始连续循环指针$n,最后一个字位数$tn,截取的字符数$noc
26      $n = $tn = $noc = 0;
27      while ( $n < strlen ( $string ) ) {
28        $t = ord ( $string [ $n] );
29
30        if ( $t == 9 || $t == 10 || (32 <= $t && $t <= 126)) {
31          // 如果是英语半角符号等,$n指针后移1位,$tn最后字是1位
32          $tn = 1;
33          $n++;
34          $noc++;
35       } elseif (194 <= $t && $t <= 223) {
36          // 如果是二字节字符$n指针后移2位,$tn最后字是2位
37          $tn = 2;
38          $n += 2;
39          $noc += 2;
40       } elseif (224 <= $t && $t <= 239) {
41          // 如果是三字节(可以理解为中字词),$n后移3位,$tn最后字是3位
42          $tn = 3;
43          $n += 3;
44          $noc += 2;
45       } elseif (240 <= $t && $t <= 247) {
46          $tn = 4;
47          $n += 4;
48          $noc += 2;
49       } elseif (248 <= $t && $t <= 251) {
50          $tn = 5;
51          $n += 5;
52          $noc += 2;
53       } elseif ( $t == 252 || $t == 253) {
54          $tn = 6;
55          $n += 6;
56          $noc += 2;
57       } else {
58          $n++;
59       }
60
61        // 超过了要取的数就跳出连续循环
62        if ( $noc >= $length) {
63          break;
64       }
65     }
66
67      // 这个地方是把最后一个字去掉,以备加$dot
68      if ( $noc > $length) {
69        $n -= $tn;
70     }
71
72      $strcut = substr ( $string, 0, $n );
73
74   } else {
75      // 并非utf-8编码的全角就后移2位
76      for ( $i = 0; $i < $length; $i ++) {
77        $strcut .= ord ( $string [ $i] ) > 127 ? $string [ $i] . $string [++ $i] : $string [ $i];
78     }
79   }
80
81    // 再还原最初的htmlspecialchars
82    $strcut = str_replace( array ( $pre . '&' . $end, $pre . '"' . $end, $pre . '<' . $end, $pre . '>' . $end ), array ('&', '"', '<', '>' ), $strcut );
83
84    $pos = strrpos ( $strcut, chr ( 1 ) );
85    if ( $pos !== false) {
86      $strcut = substr ( $strcut, 0, $pos );
87   }
88
89    return $strcut . $dot; // 最后把截取加上$dot输出
90 }

discuz版本的最大缺陷在于使用 strlen 获取原始字符串的长度，并用来和传入的要截取长度参数（字节数）进行比较，由于UTF-8的中文字符的字节数是不固定的，所以就会面临这样的窘境：如果要截取4个中文字符应该指定多大的截取长度呢？8字节还是12字节呢？。。。这是无法预计的，也正是因为这个问题discuz的cutstr实际是有bug的，通过下面的测试结果能看出：

$str1 = "欲穷千里目";
echo my_cutstr( $str1, 10, "...")."\n"; // 输出：欲穷千里目... [这是一个bug，想想是什么原因导致？]
echo my_cutstr( $str1, 15, "...")."\n"; // 输出：欲穷千里目

导致上述bug的原因在与cutstr函数在截取字符的时候是将一个中文字按2个字符算，那么5个中文字就是10字符，而原始字符串的长度是15字节，所以cutstr认为“成功地”从15字符的串上截取了10个字符，然后加上了“尾巴”。要解决这个bug只要在判断一下返回的子串是否和原始串相同，如果相同就不加“尾巴”。

ecshop版

1 /* *
2 * [ecshop] 基于PHP的 mb_substr，iconv_substr 这两个扩展来截取字符串，中文字符都是按1个字符长度计算；
3 * 该函数仅适用于utf-8编码的中文字符串。
4 *
5 * @param  $str      原始字符串
6 * @param  $length   截取的字符数
7 * @param  $append   替换截掉部分的结尾字符串
8 * @return 返回截取后的字符串
9 */
10 function sub_str( $str, $length = 0, $append = '...') {
11      $str = trim( $str);
12      $strlength = strlen( $str);
13
14      if ( $length == 0 || $length >= $strlength) {
15          return $str;
16     } elseif ( $length < 0) {
17          $length = $strlength + $length;
18          if ( $length < 0) {
19              $length = $strlength;
20         }
21     }
22
23      if ( function_exists('mb_substr') ) {
24          $newstr = mb_substr( $str, 0, $length, 'utf-8');
25     } elseif ( function_exists('iconv_substr') ) {
26          $newstr = iconv_substr( $str, 0, $length, 'utf-8');
27     } else {
28          // $newstr = trim_right(substr($str, 0, $length));
29          $newstr = substr( $str, 0, $length);
30     }
31
32      if ( $append && $str != $newstr) {
33          $newstr .= $append;
34     }
35
36      return $newstr;
37 }

ecshop版的特点和缺点都在于将中文字符算作一个字符，如果原始字符串中不含中文，比如：abcd1234，如果本意是要截取4个中文字符或者8个英文字符，那么使用ecshop的版本就得不到期望的结果，返回值的是：abcd。下面是简单的测试结果：

$str1 = "白日依山尽，黄河入海流";
echo $str1."\n";
echo my_sub_str( $str1, 4, "...")."\n";   // 输出：白日依山...

$str2 = "白1日2依3山4";
echo $str2."\n";
echo my_sub_str( $str2, 4, "...")."\n";   // 输出：白1日2...

优化版

截取中文字符串的大部分应用场景是“原始字符串可以是中文、英文、数字混杂的，中文字按2个字符算，英文数字按1个字符算”，针对这个需求下面给出一个实现版本：

1 /* *
2 * 字符串截取，中文字符按2个字符计算，同时支持GBK和UTF-8编码
3 * @param  $string     要截取的字符串
4 * @param  $length     要截取的字符数
5 * @param  $append     添加到子串后的尾巴
6 * @return 返回截取后的字符串
7 */
8 function substring( $string, $length, $append = false) {
9    if ( $length <= 0 ) {
10      return '';
11   }
12
13    // 检测原始字符串是否为UTF-8编码
14    $is_utf8 = false;
15    $str1 = @ iconv("UTF-8", "GBK", $string);
16    $str2 = @ iconv("GBK", "UTF-8", $str1);
17    if ( $string == $str2 ) {
18      $is_utf8 = true;
19
20      // 如果是UTF-8编码，则使用GBK编码的
21      $string = $str1;
22   }
23
24    $newstr = '';
25    for ( $i = 0; $i < $length; $i ++) {
26      $newstr .= ord ( $string[ $i]) > 127 ? $string[ $i] . $string[++ $i] : $string[ $i];
27   }
28
29    if ( $is_utf8 ) {
30      $newstr = @ iconv("GBK", "UTF-8", $newstr);
31   }
32
33    if ( $append && $newstr != $string) {
34          $newstr .= $append;
35     }
36
37      return $newstr;
38 }

测试结果见下（GBK和UTF-8的结果一致）:

$str1 = "白日依山尽，黄河入海流";
echo substring( $str1, 4, "...")."\n";   // 输出：白日...
echo substring( $str1, 5, "...")."\n";   // 输出：白日依...

$str2 = "12白34日56依78山";
echo substring( $str2, 4, "...")."\n";   // 输出：12白...
echo substring( $str2, 5, "...")."\n";   // 输出：12白3...

转载自： http://www.cnblogs.com/edwardlost/archive/2012/01/11/2318558.html

比较discuz和ecshop的截取字符串函数

热门文章

最新文章

相关电子书