PHP 字符串偏移怎样避免多字节误切分

我第一次遇到这个问题，是在给中文标题做“取第一个字符”时：英文样例里的 $text[0] 看起来很自然，换成 UTF-8 中文后却得到半个字符，继续拼接还可能出现乱码。问题不在中文字符串不能处理，而在 PHP 把字符串本质上当作字节数组。

官方地址：https://www.php.net/manual/en/

只要需求是“第几个字符”“按字符截断”或“按字符查找”，就不要把方括号、strlen()、substr() 当成字符级 API。明确使用 UTF-8 等编码，并把偏移交给 mbstring。

为什么方括号不能当中文字符偏移

PHP 手册明确说明，字符串内部是字节数组，方括号访问和修改对多字节编码并不安全。UTF-8 的一个汉字通常占多个字节，因此 $text[0] 取到的是第一个字节，不一定是一个完整字符；strlen() 返回的也是字节数。

英文纯 ASCII 文本时，一个字符恰好对应一个字节，所以这段写法容易被误认为普遍成立。真正的边界是编码和 API 语义，而不是“字符串看起来像数组”。

用 mb_strlen 和 mb_substr 按字符处理

mb_strlen($text, 'UTF-8') 返回字符数，mb_substr($text, $start, $length, 'UTF-8') 按字符位置截取。编码参数建议显式写出，这样函数不会因为运行环境的默认编码变化而产生含糊结果。

同理，查找也要换成 mb_strpos()。它返回的是字符偏移，不能和 strpos() 返回的字节偏移混用；后续截取必须继续使用同一套字符语义。

把偏移封装成字符级函数

业务代码里最容易出错的是负数偏移、空字符串和越界。把这些边界集中到一个小函数，比在多个控制器里散落 +1、-1 更容易维护。下面的函数返回一个字符，无法定位时返回 null。

= $length) {
        return null;
    }

    // 长度固定为 1，返回一个完整的多字节字符。
    return mb_substr($text, $offset, 1, $encoding);
}

$text = '你好，PHP';
echo charAt($text, 0), PHP_EOL;   // 预期是“你”
echo charAt($text, -1), PHP_EOL;  // 预期是“P”
var_dump(charAt($text, 99));      // 预期是 NULL
?>

按任务选择对应的多字节函数

如果项目没有启用 mbstring，先在运行环境安装并启用扩展，再调用这些函数。不要依赖已经移除的 mbstring.func_overload 去“自动替换”普通函数：代码中显式选择 API 更清楚，也更容易迁移。

几个容易混淆的边界

• 字节数不等于字符数：strlen() 适合计算传输或二进制层面的字节长度，显示文本长度应使用 mb_strlen()。
• 字符不一定等于用户看到的字形：组合字符和部分表情符号可能由多个 Unicode 码点组成；如果需求是用户感知的字素簇，需要进一步研究 intl 的 grapheme_* API。
• 不要混用偏移单位：一个函数返回字节偏移，另一个函数按字符截取，组合后会在中文、日文或表情符号附近出现错位。

相关问题

PHP 的字符串方括号完全不能用吗？

不是。对明确的单字节编码或只处理 ASCII 的协议字段，它仍然可以表达字节访问；中文等多字节文本不要把它当作字符访问。

为什么明明用了 mb_substr 仍然截取不对？

先检查输入是否真的是预期编码，并在长度、截取、查找环节统一传入相同的编码参数。函数只解决编码解释和字符偏移，不会自动修复已经损坏的字节。

只取首字符应该怎么写？

使用 mb_substr($text, 0, 1, 'UTF-8')；如果还要处理空字符串、非法编码或负数偏移，复用前面的 helper 更稳妥。