PHP 字符串截取（附 3 种方法），从最小示例讲到边界

PHP 字符串截取到底用哪个函数？

你处理中文昵称、订单号或者一段长文本时，是不是经常要“从第几个字开始，拿前面几个字”？直接砍可能砍出乱码。PHP 字符串截取，最稳的做法是用 mb_substr 按字符数截取；遇到纯英文或字节场景才用 substr。本文用最小示例讲清三种写法的区别、怎么避免中文乱码，以及两个边界坑。看完你能根据场景选对函数，不再凭感觉写。今天这篇文章，编程狮就把这块讲透。无论你是要做昵称截断、订单号脱敏，还是长文本摘要，核心都是先想清楚“按字符还是按字节”，再选对函数。

一、先看结论

你的场景	该用的函数	理由
含中文等多字节文本	`mb_substr($s, $start, $len, 'UTF-8')`	按“字符”数截，不乱码
纯 ASCII / 字节流	`substr($s, $start, $len)`	按“字节”截，最快
按分隔符切一段	`explode()` 或 `strstr()`	语义更清楚

PHP 字符串截取：按内容类型选函数

二、为什么中文截取会乱码

PHP 里一个英文字母占 1 字节，而一个中文汉字在 UTF-8 下占 3 字节。substr 函数是按“字节”数截的，如果你让它从第 0 字节取 3 个字节，刚好截到一个汉字的中间，显示出来就是乱码（典型表现是一个问号或小方块）。mb_substr 则是按“字符”数截，一个汉字算 1 个字符，所以不会切坏。

一句话：含中文就用 mb_substr，并显式传编码 UTF-8。建议先过一遍 PHP 教程的字符串章节，理解字节和字符的区别。

三、方法一：mb_substr 按字符截（最推荐）

<?php
// 演示：从“编程狮教程”里取前 2 个字符
$text = "编程狮教程";
// mb_substr(字符串, 起始位置, 长度, 编码)
$part = mb_substr($text, 0, 2, 'UTF-8');
echo $part;   // 预期输出：编程（不会乱码）
?>

上面这段做了什么：从位置 0 开始，取 2 个“字符”而不是 2 个“字节”，所以“编程”两个字被完整取出。只要编码写对，无论中英文混排都能正确截取。

四、方法二：substr 按字节截（仅纯英文）

<?php
// 演示：纯英文场景，substr 按字节截最快
$name = "w3cschool";
// substr(字符串, 起始位置, 长度)
echo substr($name, 0, 3);   // 预期输出：w3c
?>

上面这段做了什么：字符串全是 ASCII，substr 一个字节一个字符，取前 3 字节得到 "w3c"。但如果把 $name 换成中文，substr($text,0,3) 就会切到第一个汉字的中间，出现5 大语言对比。所以 substr 只用于你确定没有多字节字符的场合。

五、方法三与两个边界坑

<?php
// 演示：取邮箱 @ 之前的部分作为用户名
$email = "user@w3cschool.cn";
// explode 按分隔符切成数组，取第 0 段
$user = explode('@', $email)[0];
echo $user;   // 预期输出：user

// 另一种：取 @ 之后的域名部分
$domain = strstr($email, '@');   // 含 @ 及其后内容
echo $domain; // 预期输出：@w3cschool.cn
?>

上面这段做了什么：explode 按 @ 把字符串拆成数组，取第一段就是用户名；strstr 则返回从 @ 开始到结尾的部分。这种“按分隔符”的语义比数长度更直观，适合处理固定格式的文本。

两个最容易踩的边界坑

现象	原因	修复
中文截取出来是问号/方块	用了 substr 且没指定多字节处理	换成 mb_substr 并传 'UTF-8'
截取长度超过邪修 PHP本身没报错	PHP 会返回“能拿到的部分”，不抛异常	截取前用 mb_strlen 判断长度，避免逻辑误判

第一个坑是最常见的线上乱码来源，记住“中文必用 mb_substr”。第二个坑更隐蔽：你以为截了 10 个字符，实际字符串只有 3 个，PHP 不会报错而是返回全部 3 个，下游若按“截到了 10 个”做判断就会出错。稳妥做法是先用 mb_strlen($s, 'UTF-8') 确认长度。

在真实项目里，字符串截取最常见的坑其实不是“怎么调函数”，而是“你截的到底是字节还是字符”。UTF-8 编码下，一个英文字母占 1 个字节，而一个常用汉字占 3 个字节，emoji 更是可能占 4 个字节。PHP 的 substr 按“字节”切，所以 substr("编程狮", 0, 4) 会切出前 4 个字节，也就是一个“编”字加半个“程”字，输出必然是乱码。这正是 mb_substr 存在的意义：mb_substr 按“字符”切，同样写 mb_substr("编程狮", 0, 2) 能得到完整的两个字。一句话记住——只要字符串里可能出现中文、日文或 emoji，就一律用 mb_ 系列函数，substr 只适合纯 ASCII 场景。

顺带几个高频易错点。第一，mb_substr 的第四个参数是字符编码，强烈建议显式传 "UTF-8"，而不是依赖 mb_internal_encoding() 的全局设置，否则换台服务器配置不同，结果就可能不一致。第二，判断字符串长度也要用 mb_strlen 而不是 strlen，后者统计的是字节数，中文里会虚高。第三，做“安全截断”时不要直接按长度切了事，更稳妥的做法是先 mb_substr 到目标长度，再判断是否被截断，被截断就补一个省略号；如果截的是一段话，最好按“词”或“句”边界切，避免把一个词劈成两半。第四，处理用户输入的昵称、标题时，先在入库前用 mb_substr 限长，既能省存储，也能避免超长字符串把页面布局撑破。

从性能角度看，mb_ 系列函数因为要做多字节解析，确实比 substr 稍慢一点，但在常规 Web 请求里这点开销可以忽略；为了不踩乱码坑，这点代价完全值得。如果你的业务真的是海量纯 ASCII 文本（比如日志行、哈希值），用 substr 没问题，但绝大多数业务场景都该默认 mb_。最后提醒一句：截取只是“展示层”的处理，原始数据尽量原样入库，展示时再按需截断，这样以后想换更长或更短的展示规则，都不用回刷历史数据。

除了上面三种写法，还有一个常被忽略的细节：截取位置和长度都从 0 开始计数，mb_substr($s, 0, 5) 取的是前 5 个字符而非第 5 个；如果起始位置写成负数，不同 PHP 版本行为不一致，建议始终用非负数并先用 mb_strlen 判断长度。另外，展示层截断后最好补省略号提示“内容已省略”，避免用户误以为数据缺失。

动手前先配置好 PHP 运行环境，把示例命令复制到本地运行，检查截取输出是否符合预期；若中文出现乱码，按“含多字节就用 mb_substr”的方向排查失败原因并修复。版本差异与边界情况下面根据 PHP 官方文档整理，未在本机逐版本执行。

总结

要点带走：

含中文等多字节文本，一律用 mb_substr 并显式写 'UTF-8'，别用 substr；
纯英文或字节流才用 substr，它按字节截、速度最快；
按固定格式（如邮箱、路径）截取，优先考虑 explode / strstr，语义更清楚；
截取前用 mb_strlen 确认长度，别假设字符串够长。

下一步建议系统过一遍 PHP 教程，把字符串函数和数组函数一起练熟。

延伸学习

想把这块知识系统补齐，可以按这个顺序来：

Q：substr 和 mb_substr 到底差在哪？

A：substr 按“字节”数截取，mb_substr 按“字符”数截取。中文在 UTF-8 下 1 个字占 3 字节，用 substr 容易切到汉字中间产生乱码；mb_substr 指定编码后按字截，不会乱。

Q：为什么一定要写 UTF-8 参数？

A：mb_substr 的编码参数不写会沿用 php.ini 的默认内部编码，不同服务器配置不同，可能仍是乱码。显式传 'UTF-8' 才能让行为稳定可预期。

Q：截取超出长度会报错吗？

A：不会。PHP 会返回“能取到的那部分”，不抛异常。所以如果你的业务逻辑依赖“确实截到了 N 个字符”，要先 mb_strlen 判断，不能只看截取结果。