一個字串可能帶有 html的TAG，多餘的空白，無意義的字元，或者為了存到資料庫中而加上的反斜線，若要取出特定的字數，就得把這些內容給篩選掉

因此我撰寫一個簡單的過濾函數

function StubUTF8String($str, $length=100){
  $str = stripslashes( $str );
  $str = strip_tags( $str);    //拿掉HTML的Tag
  $str = preg_replace('/[\n\r\t]/', ' ', $str);
  $str = preg_replace('/\s(?=\s)/', '', $str);
  $str = trim($str);
  return mb_substr( $str, 0, $length, "UTF-8");
}

第2-3行 把反斜線拿掉，移除html tag
第4行 把換行、TAB、行首字元改為空白' '
第5行 移除重覆的空白
第6行 移除頭尾的空白

這樣子基本上就沒有什麼大問題，但有一個小問題就是切英文字可能會把最後一個單字正好切斷。所以得加一個檢查，先少切一個字元，如果字串最後的字元是英文+數字，則把他取代掉。舉例來說，假設字串是這樣：

$str= "中國字英文<span style=\"color:#123455\">一二三四五</span>A running dog rams into a sleeping elephant.";

若要取長度11，則切的時候就切到第12位的地方，會是一個空白：

再把字串尾端的空白清掉就好。

如要要切長度12，則切13位，可以發現running 這個字被切破了，只剩一個'r'：

發現第13 位是英文字母，那從第13位開始往前刪掉直到遇到非字母或數字即可。

這樣子還會有一個問題，就是取回的字串可能比原來的短，這也是沒辦法的事，畢竟切一半的英文字或數字是不行的。

但如果正好切斷的地方是國字，那麼少切一位的結果就回傳的中文字會多一個，因此最後還要多一個檢查，當回傳結果多一位時，要把他刪掉。

改寫後的程式，這樣不論切中切英都不會有問題了：

函式

/**
    *  StubUTF8String() -- UTF8下取出字串中特定的字數
    * @param string $str 傳入的字串
    * @param  int $length 取出的字數
    * @return 取回的字串
*/
function StubUTF8String($str, $length=40){
  $str = stripslashes( $str );
  $str = strip_tags( $str);    //拿掉HTML的Tag
  $str = preg_replace('/[\n\r\t]/', ' ', $str);
  $str = preg_replace('/\s(?=\s)/', '', $str);
  $str = mb_substr( $str, 0, $length+1, "UTF-8");
  $str = preg_replace('/[a-zA-Z]+$/', '', $str);
  $str = trim($str);
  if(mb_strlen($str)>$length)$str= mb_substr( $str, 0, -1, "UTF-8");
  return $str;
}

叫用

輸出結果

多個空白和換行都被取代為一個空白' '，ram這個字取不完整捨棄，最後輸出共30個字元

編修 2009-10-28 23:36:03