PHPで漢字をインターセプトして文字化けを防ぐ方法まとめ

PHP 関数 substr を直接使用して中国語の文字をインターセプトすると、文字化けが発生する可能性があります。主な理由は、substr が中国語の文字を強制的に半分に「認識」する可能性があることです。それでは、この問題を解決する方法を見てみましょう。

皆さんも自分のプログラムで文字列のインターセプトをよく利用すると思いますが、中国語の文字列をインターセプトする際に文字化けの問題に遭遇することがよくあります。非常に面倒なので次に中国語文字列をインターセプトする際の文字化けを防ぐ方法を2つ紹介します。
まず、簡単に使えるように自分で関数を書くのが1つ目です
この関数を使ってインターセプトすれば文字化けはありません。

/** 
 * 支持中文字符串截取 
 */ 
function msubstr($str, $start=0, $length, $charset="utf-8", $suffix=true){ 
  switch($charset){ 
    case 'utf-8':$char_len=3;break; 
    case 'UTF8':$char_len=3;break; 
    default:$char_len=2; 
  } 
  //小于指定长度，直接返回 
  if(strlen($str)<=($length*$char_len)){   
    return $str; 
  } 
  if(function_exists("mb_substr")){  
    $slice= mb_substr($str, $start, $length, $charset); 
  }else if(function_exists(&#39;iconv_substr&#39;)){ 
    $slice=iconv_substr($str,$start,$length,$charset); 
  }else{ 
    $re[&#39;utf-8&#39;]  = "/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}/"; 
    $re[&#39;gb2312&#39;] = "/[\x01-\x7f]|[\xb0-\xf7][\xa0-\xfe]/"; 
    $re[&#39;gbk&#39;]  = "/[\x01-\x7f]|[\x81-\xfe][\x40-\xfe]/"; 
    $re[&#39;big5&#39;]  = "/[\x01-\x7f]|[\x81-\xfe]([\x40-\x7e]|\xa1-\xfe])/"; 
    preg_match_all($re[$charset], $str, $match); 
    $slice = join("",array_slice($match[0], $start, $length)); 
  } 
  if($suffix) 
    return $slice; 
  return $slice; 
}

2つ目は、PHPの組み込み関数、mb_substr関数です

インターセプトする文字列のエンコード形式を指定することで、文字化けを効果的に防ぐことができます。

手順

string mb_substr ( string $str , int $start [, int $length [, string $encoding ]] ) 
<?php 
 function substr_unicode($str, $s, $l = null) { 
   return join("", array_slice( 
     preg_split("//u", $str, -1, PREG_SPLIT_NO_EMPTY), $s, $l)); 
 } 
 
$str = "Büyük"; 
 $s = 0; // start from "0" (nth) char 
 $l = 3; // get "3" chars 
 echo substr($str, $s, $l) ."\n";  
 echo mb_substr($str, $s, $l) ."\n"; 
 echo substr_unicode($str, $s, $l); 
 ?>

以上がこの記事の全内容です。皆さんに気に入っていただければ幸いです。