次に、最初にソース コードと 2 つのバージョンの関數(shù)の簡(jiǎn)単なテストを示します。最後に、より実用的な文字列インターセプト関數(shù)を示します。ここで説明する文字列インターセプトの問題はすべて、UTF-8 でエンコードされた中國(guó)語文字列に関するものであることに注意してください。
ディスクバージョン

コードをコピー コードは次のとおりです:

/**
* [discuz] mb_substr やその他の拡張機(jī)能がインストールされていない PHP に基づくインターセプト文字列。中國(guó)語文字がインターセプトされた場(chǎng)合、2 文字として計(jì)算されます。
* @param $string インターセプトされる文字列
* @ param $length to be インターセプトされた文字?jǐn)?shù)
* @param $dot 切り捨てられた部分の終了文字列を置き換えます
* @return インターセプトされた文字列を返します
* /
function Cutstr($string, $length, $dot = '...') {
// 文字列がインターセプトする長(zhǎng)さより短い場(chǎng)合は、直接戻ります
//ここで strlen を使用して文字を取得します。 文字列の長(zhǎng)さには大きな欠點(diǎn)があります。たとえば、文字列「Happy New Year」
// から 4 つの中國(guó)語文字をインターセプトしたい場(chǎng)合は、これら 4 つの中國(guó)語のバイト數(shù)を知る必要があります。それ以外の場(chǎng)合、返される文字列は「Happy New Year...」になります。
if (strlen($string) <= $length) {
return $string
}
// 変換元の文字列の htmlspecialchars
$pre = chr(1);
$string = str_replace (array ('&', '"', '<', '>' )、配列 ($pre . '&' . $end, $pre . '"' . $end, $pre . '<' . $end, $pre . '>' . $end ) , $string );
$strcut = ''; // 初期化戻り値
// utf-8エンコードの場(chǎng)合（この判定はちょっと不完全なのでutf8の可能性があります）
if (strto lower) ( CHARSET ) == 'utf-8') {
//初期連続ループポインタ $n、最後の文字?jǐn)?shù) $tn、インターセプトされた文字?jǐn)?shù) $noc
$n = $tn = $noc = 0;
while ( $n < strlen ( $string ) ) {
$t = ord ( $string [$n] );
if ($t == 9 || $t = = 10 || (32 <= $t && $t <= 126)) {
// 英語の半角記號(hào)などの場(chǎng)合は $n ポインタが 1 桁戻り、 $tn の最後の単語は 1 桁です
$tn = 1;
$noc ;
} elseif (194 <= $t && $t <= 223)
// 2 バイト文字の場(chǎng)合、$n ポインタは 2 ビット戻り、$tn の最後のワードは 2 ビットになります
$tn = 2; ;
$noc = 2;
} elseif (224 <= $t && $t <= 239) {
/ / 3 バイトの場(chǎng)合 (中國(guó)語の単語として理解できます) $n は 3 桁シフトされ、$tn の最後のワードは 3 桁になります。
$n = 3;
$noc = 2; <= $t && $t <= 247) {
$tn = 4;
$noc = 2; && $t <= 251) {
$tn = 5;
$noc = 2;
} elseif ($ t == 252 || $t == 253) {
$tn = 6;
$n = 2;
} else {
}
//取得する數(shù)を超えた場(chǎng)合の連続ループの
if ($noc >= $length) {
break;
}
}
// ここは、 $dot を追加する準(zhǔn)備中の最後の単語
if ($noc > $length) {
$n -= $tn;
}
$strcut = substr ( $ string, 0, $n );
} else {
// utf-8 ではない全角エンコーディングは 2 ビットだけシフトバックされます
for ($i = 0; $i $strcut .= ord ( $string [$i] ) > $string [$i] : $string [$i];
// 元の htmlspecialchars を復(fù)元します
$strcut = str_replace( array ($pre . '&' . $end, $pre . '"' . $end, $pre . '<' . $ end, $pre . '>$end )、array ('&'、'"'、'<'、'>' )、$strcut );
$pos = strrpos ( 1 ) );
if ($pos !== false) {
$strcut = substr ( $strcut, 0, $pos );
return $strcut ;最後に、インターセプトを $dot 出力に追加します
}


discuz バージョンの最大の欠陥は、strlen を使用して元の文字列の長(zhǎng)さを取得し、それを受信長(zhǎng)パラメーターで使用することです。 UTF-8 の中國(guó)語文字のバイト數(shù)は固定されていないため、次のジレンマに直面します。4 つの中國(guó)語文字をインターセプトしたい場(chǎng)合、どのくらいのインターセプト長(zhǎng)を指定する必要がありますか? 8バイトですか、それとも12バイトですか? 。 。 。これは予測(cè)不可能であり、次のテスト結(jié)果からわかるように、この問題が原因で discuz の Cutstr には実際にはバグがあります:



Copy code

コードは次のとおりです:


$str1 = "貧乏になりたい";
echo my_cutstr($str1, 10, "...")."n";出力: 貧乏になりたいという願(yuàn)望 Qianmile... [これはバグです。原因を考えてください。 ]
echo my_cutstr($str1, 15, "...")."n"; // 出力: Yuqiongqianlimu

上記のバグの理由は、 Cutstr 関數(shù)は、文字をインターセプトするときに、中國(guó)語の文字は 2 文字としてカウントされるため、5 つの中國(guó)語の文字は 10 文字となり、元の文字列の長(zhǎng)さは 15 バイトであるため、cutstr は 15 文字の文字列から「正常に」インターセプトされたとみなします。 10文字に「しっぽ」を追加しました。このバグを解決するには、返された部分文字列が元の文字列と同じかどうかを確認(rèn)するだけです。同じである場(chǎng)合は、「末尾」を追加しないでください。

ecshop バージョン

コードをコピー

コードは次のとおりです:

/**
* [ecshop] PHP の mb_substr および iconv_substr 拡張機(jī)能に基づいて、これら 2 つの拡張機(jī)能は文字列をインターセプトするために使用されます。
* この関數(shù)は、utf-8 でエンコードされた中國(guó)語文字列にのみ適用されます。 。
*
* @param $str 元の文字列
* @param $length インターセプトされた文字?jǐn)?shù)
* @param $append 終了文字列を切り詰められた部分に置き換えます
* @return Returnインターセプトされた文字列
*/
function sub_str($str, $length = 0, $append = '...') {
$str =trim($str);
$strlength = strlen($str);
if ($length == 0 || $length >= $strlength) {
return $str>} elseif ($length < 0) {
$length = $strlength $length;
if ($length $length = $strlength;
}
}
if ( function_exists( 'mb_substr') ) {
$newstr = mb_substr($str, 0, $length, 'utf-8')
} elseif ( function_exists('iconv_substr') ) {
$newstr = iconv_substr ($str, 0, $length, 'utf-8');
} else {
//$newstr = trim_right(substr($str, 0, $length)); substr($str, 0, $length);
}
if ($append && $str != $newstr) {
$newsstr .= $append;
return $ newstr;
}


ecshop 版の特徴と欠點(diǎn)は、元の文字列に中國(guó)語が含まれていない場(chǎng)合 (例: abcd1234)、中國(guó)語の文字が 1 文字としてカウントされることです。 4 つの中國(guó)語文字または 8 つの英語文字をインターセプトすることを目的としている場(chǎng)合、ecshop バージョンを使用すると、期待される結(jié)果が得られません: abcd。以下は簡(jiǎn)単なテスト結(jié)果です:

コードをコピー

コードは次のとおりです: $str1 = "太陽(yáng)は山を越え、黃河は海へ";

echo $str1."n";

echo my_sub_str($str1, 4, "...")."n"; //出力: 山には太陽(yáng)が輝いています...
$str2 = "白1日2伊3山4";
echo $str2."n"; , "...")."n"; // 出力: White 1st 2...



最適化バージョン

中國(guó)語の文字列をインターセプトするほとんどのアプリケーション シナリオは次のとおりです。 「元の文字列は中國(guó)語、英語、數(shù)字の混合にすることができます。中國(guó)語の文字は 2 文字としてカウントされ、英語の數(shù)字は 1 文字としてカウントされます。」 この要件の実裝バージョンは以下に示されています:

コードをコピー

コードは次のとおりです: /*** 文字列インターセプト、中國(guó)語の文字は 2 文字として計(jì)算され、GBK と UTF-8 エンコーディングの両方がサポートされています

* @param $string インターセプトされる文字列

* @param $length 文字?jǐn)?shù)インターセプトされる
* @param $append 部分文字列に追加された末尾
* @return インターセプトされた文字列を返します
*/
function substring($string, $length, $append = false) {
if ( $length return '';
}
// 元の文字列が UTF-8 でエンコードされているかどうかを確認(rèn)します
$is_utf8 = false;
$str1 = @iconv("UTF-8", "GBK", $string);
$str2 = @iconv("GBK", "UTF-8", $str1); ( $string == $str2 ) {
$is_utf8 = true;
// UTF-8 エンコードの場(chǎng)合は、GBK エンコードを使用します
$string = $str1>}
$ newstr = '';
for ($i = 0 ; $i $newstr .= ord ($string[$i]) > 127 ? i] . $string[ $i] : $string[$ i];
}
if ( $is_utf8 ) {
$newstr = @iconv("GBK", "UTF-8", $ newstr);
}
if ($append && $newstr != $string) {
$newstr .= $append;
}
return $newstr; >

テスト結(jié)果を以下に示します (GBK と UTF-8 の結(jié)果は一致しています):



コードをコピー

コードは次のとおりです

$str1 = "太陽(yáng)は山を越え、黃河は海に流れ込みます。"

echo substring($str1, 4, "..."); n"; // 出力: 晝間... echo substring($str1, 5, ".. .")."n"; // 出力: Bai Riyi... $str2 = "12白 34 位 56 易 78 山"; echo substring($str2, 4, "... ")."n"; // 出力: 12 白... echo substring($str2, 5, "...")."n"; // 出力: 12 白 3...

著者: edwardlost のブログ