UTF-8中文截取函数
2008-04-25 | 分类：技术学习
在PHP中，用substr()函数截取带有中文字符串的话，可能会出现乱码，这是因为中西文一个字所占有的字节数不一样，而substr的长度参数是按照字节去算的。在GB2312编码时，一个中文占2个字节，英文为1个字节，而在UTF-8编码当中，一个中文可能占有2个或3个字节，英文或半角标点占1字节。
为解决这个问题，我找了很多资料，最终找到这么一段文字：
UTF-8编码的字符可能由1~3个字节组成， 具体数目可以由第一个字节判断出来。(理论上可能更长，但这里假设不超过3个字节)
第一个字节大于224的，它与它之后的2个字节一起组成一个UTF-8字符
第一个字节大于192小于224的，它与它之后的1个字节组成一个UTF-8字符
否则第一个字节本身就是一个英文字符（包括数字和一小部分标点符号）。
