Question

PHP 读文本中的一部分。并保证汉字完整

中12s国ssssss中国人中国人中国人。森严如：读中间的6个字节，如果赶上汉字不完整了减少读入字节数。
UTF-8。

类似于将读入的文本以分页形式显示。一页里当然不可能出现汉字不完整情况。第一页在哪里截断就是个问题。

只想通过字去读。不想用行去读。

Answer 1

说简单也简单，说难也难。因为难是新手想简单了。

先上几个概念，再上代码

概念1

php4.3.0以上已经可以处理多字节字符了。

首先确保一下你的 php.ini 中配置一下节（默认是配置好的，支持的）

[mbstring]

[PHP_MBSTRING]
extension=php_mbstring.dll

然后就可已使用这些函数了。(如 mb_substr 代替原来的 substr)

概念2

多字节编码问题，不同编码长度不一样，还有固定长度和可变长度的分别。

常说的汉字占两个字节是指传统的GB2312区位码

现在流行的utf8的编码是1至6个变长字节。

所以，首先要统一编码，然后用php带的多字节处理函数来处理

代码示例

<?php  
//测试时文件的编码方式要是UTF8  
$str='中文a字1符';  
echo strlen($str).'<br>';//14  
echo mb_strlen($str,'utf8').'<br>';//6  
echo mb_strlen($str,'gbk').'<br>';//8  
echo mb_strlen($str,'gb2312').'<br>';//10  
?>

追问

UTF-8。

类似于将读入的文本以分页形式显示。一页里当然不可能出现汉字不完整情况。第一页在哪里截断就是个问题。

追答

除非是纯文本，非常容易。
如果有html代码，正好将布局的标签(div,table等)截断页面可能出现布局错乱。所以含有html代码的自动分页很难做，需要用到html代码分析。 常用的是手动分页，插入分页符。

Answer 2

我记得有方法可以判断，截断出来的字符串是否是汉字、

如果是汉字，往前退一位截断，再判断当前截出来的最后一个字符是否是汉字、

递归下去，直到截出来的是汉字为止、

Answer 3

function substr_CN($str, $start, $len) {
    $tmpstr = "";
    $strlen = $start + $len;
    for($i = 0; $i < $strlen; $i++) {
        if(ord(substr($str, $i, 1)) > 0xa0) {
            $tmpstr .= substr($str, $i, 2);
            $i++;
        } else
            $tmpstr .= substr($str, $i, 1);
    }
    return $tmpstr;
}

追问

UTF-8。

类似于将读入的文本以分页形式显示。一页里当然不可能出现汉字不完整情况。第一页在哪里截断就是个问题。

追答

不明白提问者的意思，第一页在哪里截断，这完全取决于操作者，况且几乎没有段中分页这种场景，无非就是段外分层显示。