大家都知道，不同字符编码，其在内存占用的字节数不一样。如ASCII编码字符占用1个字节,UTF-8编码的中文字符是3字节,GBK为2个字节。

 

    PHP 也自带几种字符串截取函数，其中常用到的就是 substr 和 mb_substr。     使用substr截取中文字符时会出现乱码，这是因为substr是按字节来截取的。即UTF-8编码的中文，使用substr截取，只会截取1/3个中文，当然出现乱码了。     [b]mb_substr[/b] ( string [code]$str[/code] , int [code]$start[/code] [, int [code]$length[/code] [, string [code]$encoding[/code] ]] )  中的参数$encoding可以指定编码，如果省略，则使用内部字符编码。         如果不清楚字符串的编码格式的话，可以用mb_detect_encoding检查：     $encoding  = mb_detect_encoding($string, array("ASCII",'UTF-8′,"GB2312′,"GBK",'BIG5′));       然后：      [b]mb_substr[/b] ( string [code]$str[/code] , int [code]$start[/code] [, int [code]$length[/code] [, string [code]$encoding[/code] ]] )     如果自己实现mb_substr,效率并不是很好。 编码相关的php函数使用 [b]ord(substr($str, $i, 1)) > 0xa0)[/b]

ord($string)返回字符串第一个字符的ASC码，通过这个来判断截取的字符串第一个字符是不是汉字，因为例如gb2312编码的一个文字是2字节，utf8为三个字节。即  编码大于256的就是汉字。

[b]正则字符：[/b] 匹配汉字 :   preg_match_all('/[\x80-\xff]?./', $string, $match);   匹配英文: preg_match_all("/[/x01-/x7f]+/", $string, $match);   [b]编码转换[/b] iconv ( string [code]$in_charset[/code] , string [code]$out_charset[/code] , string [code]$str[/code] )

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

[b]url 编码urlencode[/b]

编码后返回的字符串中除了 [b]-_.[/b] 之外的所有非字母数字字符都将被替换成百分号（[b]%[/b]）后跟两位十六进制数，空格则编码为加号（[b]+[/b]）。此编码与 WWW 表单 POST 数据的编码方式是一样的，同时与 [b]application/x-www-form-urlencoded[/b] 的媒体类型编码方式一样。

[b]url解码urldecode 和 rawurldecode[/b]