PHP读取UTF-8字符串本国首字符乱码问题及解决

问题场景 #

从UTF-8编码的TXT文件中读取包含本国特殊字符（如ęĘ、óÓ）的单词并存入数组，完整单词显示正常，但通过$str[0]方式读取单词首字符时出现�乱码。

问题原因 #

PHP中使用$str[0]访问字符串是按字节读取，仅适用于单字节的拉丁字母。而ę、ó这类本国字符属于UTF-8多字节字符（通常占2-4个字节），直接按字节拆分会破坏字符结构，导致乱码。

解决方案 #

使用PHP的多字节字符串扩展函数mb_substr()，指定编码为UTF-8来正确截取首字符：

$firstChar = mb_substr($file_info_01c_text, 0, 1, 'UTF-8');
// 之后用$firstChar和指定标签字符对比即可

内容的提问来源于stack exchange，提问作者tropiciel