PHP mb_str_split 如何保留分隔符并控制偏移

我第一次在接口里处理“中文标题，按第几个字符开始，再把逗号保留”的需求时，差点把 mb_str_split() 当成了带 separator 和 offset 的增强版 explode()。实际签名只有字符串、每块字符数和编码三个参数。要控制起点，先用 mb_substr()；要保留分隔符，再用带捕获组的 preg_split()。这样中文、英文和 emoji 的位置都按字符处理。

官方手册：https://www.php.net/manual/en/function.mb-str-split.php

mb_str_split 先做字符级切分，但它没有 offset 和 separator

如果目标只是把多字节字符串按字符或固定字符数切块，mb_str_split($text, 2, 'UTF-8') 就够了。第三个参数建议显式写出，避免调用方依赖运行时的内部编码。它返回的是字符块数组，不会理解“逗号是分隔符”，也不会从指定偏移开始。

这里的 2 表示两个字符，不是两个字节。若输入包含中文，改用 str_split() 会把 UTF-8 字节拆开，后续输出可能出现乱码。

按字符偏移开始处理，先截取再切分

“从第 5 个字符开始”与“找到第二个逗号后开始”是两种不同需求。前者可直接使用 mb_substr()；后者先用 mb_strpos() 查到字符位置，再把位置交给 mb_substr()。这两个函数的坐标都是字符坐标，不能和 strlen() 或 strpos() 的字节坐标混用。

偏移点恰好落在分隔符上时，要先定规则：是把这个分隔符算进结果，还是从它后面的内容开始。对日志、标签和订单备注，我通常让偏移先截取，再做分隔符拆分，规则最容易复现。

用 preg_split 捕获分隔符，再决定是否过滤空项

preg_split() 默认会丢掉匹配到的分隔符；把分隔符放进正则捕获组，并传入 PREG_SPLIT_DELIM_CAPTURE 后，分隔符会按原样成为数组元素。中文逗号、英文逗号可以放在同一个字符类里，正则末尾的 u 表示按 UTF-8 处理。

PREG_SPLIT_NO_EMPTY 会过滤空字符串。若文本可能出现连续分隔符，先去掉这个标志并在业务层保留空项，才能区分“两个分隔符之间确实没有内容”和“输入尾部多了一个分隔符”。

把偏移与分隔符策略封装成一个小接口

如果调用处反复出现“先截取、再拆分”，可以封装成一个函数。它不伪装成 mb_str_split() 的新参数，而是明确说明：offset 是字符下标，delimiter 是字面分隔符，返回数组包含内容和分隔符。

相关问题

mb_str_split 能直接传 offset 吗？

不能。它的第二个参数是每块的字符长度，不是起始位置；先用 mb_substr() 截取剩余字符串。

为什么结果里的中文分隔符消失了？

因为 preg_split() 默认移除匹配内容。使用捕获组和 PREG_SPLIT_DELIM_CAPTURE 才会把分隔符放回数组。

emoji 能按一个字符处理吗？

mb_* 函数按 Unicode 代码点处理，并不等于用户感知的完整字形；需要按字素簇切分时，应另行评估 grapheme_* 系列函数。