PHP mb_str_split 按字符切中文怎么控制长度

PHP 里想把“中文字符串每 3 个字切一段”，直接用 str_split() 往往会把 UTF-8 的多字节编码拆开。更稳妥的写法是 mb_str_split($text, 3, 'UTF-8')：第二个参数按字符数控制每个块的长度，第三个参数明确告诉 PHP 使用哪种编码。最后一块不足 3 个字符时会原样保留。

mb_str_split 的 length 是字符数，不是字节数

UTF-8 中文通常占多个字节，但业务上的“一个中文字符”不应该按字节计算。str_split() 的长度单位是字节，切到一个汉字中间时，结果数组就可能出现乱码；mb_str_split() 则按多字节编码识别字符边界。

例如要把标题按每 3 个字符切成片段，可以直接这样写：

这里的 3 只约束每个数组元素最多包含 3 个字符，不会要求字符串长度必须刚好整除。需要先判断总字符数时，用 mb_strlen($text, 'UTF-8')，不要把 strlen() 的字节数当成中文长度。

固定长度切分时要把编码和边界一起写清楚

省略第三个参数并不一定立刻出错，但函数会回退到 PHP 的内部编码设置。不同服务器、命令行环境或旧项目初始化方式可能让同一段代码出现不同结果，因此面向中文业务时显式写 'UTF-8' 更容易排查。

还要留意两个参数边界：length 小于 1 没有合理含义，PHP 8 会抛出 ValueError；空字符串则应在业务层决定是返回空数组还是保留一个空片段，不要靠隐式行为猜结果。

PHP 版本和异常边界也要提前处理

mb_str_split() 在 PHP 7.4 起提供。老项目如果还覆盖更早版本，不能只在运行时调用它；应升级最低版本、安装兼容实现，或者在兼容层封装一个明确的替代函数。无论采用哪种方案，都要保持“按字符、按 UTF-8”这一契约一致。

如果字符串来自用户输入，还应在切分前确认它已经是预期编码。切分解决的是字符边界，不负责清理 HTML、过滤控制字符或判断显示宽度；这些需求应在相邻的输入处理层完成。

emoji 场景不要把码点当成一个字

普通中文按码点切分通常已经满足标题、摘要和分页展示，但 emoji、肤色修饰符、旗帜或组合音标可能由多个 Unicode 码点组成。此时 mb_str_split() 可能把一个用户看到的字形拆成多个元素，界面上就会出现半个 emoji 或光标移动异常。

如果项目安装了 Intl 扩展，并且长度定义是“用户感知字符”，可以改用 grapheme_str_split()，同时在测试中加入真实的 emoji 和组合字符。不要为了让普通中文代码看起来更复杂而默认使用它：函数选择应跟产品的长度定义一致。

相关问答

mb_str_split 能不能按中文显示宽度切分？

不能直接保证。它按字符或码点切分，不负责终端列宽、字体宽度或网页布局；显示宽度应交给排版层或专门的宽度计算逻辑。

最后一段不足 length 会怎样？

会保留为一个较短的数组元素。例如 8 个字符按 3 个一组切分，结果是 3、3、2，而不是丢弃最后 2 个字符。

为什么不建议省略 encoding？

省略后依赖内部编码配置。显式传入 UTF-8 能让函数契约和测试更稳定，尤其适合 Web 请求、队列消费者和命令行任务共用的代码。

发布前检查清单

• 中文切分使用了 mb_str_split()，没有把 str_split() 当作多字节方案。
• length 已限制为大于 0 的整数，且保留最后不足一块的数据。
• 业务代码显式传入 UTF-8，并用 mb_strlen() 做字符数判断。
• 涉及 emoji 或组合字符时，已确认需求是码点长度还是用户感知字形长度。