大家都知道，不同字符編碼，其在內存占用的字節數不一樣。如ASCII編碼字符占用1個字節,UTF-8編碼的中文字符是3字節,GBK為2個字節。

PHP 也自帶幾種字符串截取函數，其中常用到的就是 substr 和 mb_substr。

使用substr截取中文字符時會出現亂碼，這是因為substr是按字節來截取的。即UTF-8編碼的中文，使用substr截取，只會截取1/3個中文，當然出現亂碼了。

mb_substr ( string $str , int $start [, int $length [, string $encoding ]] ) 中的參數$encoding可以指定編碼，如果省略，則使用內部字符編碼。

如果不清楚字符串的編碼格式的話，可以用mb_detect_encoding檢查：

$encoding = mb_detect_encoding($string, array("ASCII",'UTF-8′,"GB2312′,"GBK",'BIG5′));

然后：

mb_substr ( string $str , int $start [, int $length [, string $encoding ]] )

如果自己實現mb_substr,效率并不是很好。

編碼相關的php函數使用

ord(substr($str, $i, 1)) > 0xa0)

匹配漢字 : preg_match_all('/[/x80-/xff]?./', $string, $match);

匹配英文: preg_match_all("/[/x01-/x7f]+/", $string, $match);

編碼轉換

$in_charset$str )

如GB2312 轉UTF-8: iconv("GB2312","UTF-8",$text)

url 編碼urlencode

不過應該注意的是，在編碼時應該只對部分URL編碼，否則URL中的冒號和反斜杠也會被轉義。

URLEncode的方式一般有兩種，一種是傳統的基于GB2312的Encode，另一種是基于UTF-8的Encode。 如：

復制代碼 代碼如下:

$url = '中國';
echo urlencode($url );
//UTF-8: %E4%B8%AD%E5%9B%BD
//GB2312:%D6%D0%B9%FA

例如我們使用瀏覽器打開百度，搜索 “中國”. 在地址欄看到:

?wd=%E4%B8%AD%E5%9B%BD&rsv_bp=0&ch=&tn=baidu&bar=&rsv_spt=3&ie=utf-8&rsv_sug3=16&rsv_sug=0&rsv_sug4=302&rsv_sug1=11&inputT=22928

即我們看到“中國”被瀏覽器自動轉換為：%E4%B8%AD%E5%9B%BD。

urlencode和rawurlencode的區別：urlencode將空格編碼為加號“+”，rawurlencode將空格編碼為加號“%20”。

1、在解碼時，可以使用相應的 urldecode() 和 rawurldecode()，相應地，rawurldecode() 不會把加號（'+'）解碼為空格，而 urldecode() 可以。

2、urldecode() 和 rawurldecode() 解碼出的字符串是 UTF-8格式的編碼，如果URL中含有非UTF-8 編碼的中文，則要把解碼出的字符串進行轉換。

如下，先把php文件設置為gb2312編碼。你會看到一部分是亂碼，一部分是正常的。

$url = '中國';
echo $a = urldecode(urlencode($url)) ,' ';
echo iconv('gb2312', 'utf-8', $a);

�й� 中國