数据库姓名分离姓氏与其余部分的异常问题求助

问题背景 #

我需要从存储客户姓名的数据库中分离姓氏与姓名的其余部分。测试硬编码姓名（如"Diana Margarida Paulino Maria"）时，以下PHP代码和MySQL查询都能正常工作，但从数据库读取姓名后，部分姓名（如"Leandro Monteiro Rodrigues Figueiredo"、"Pedro António Duarte Lopes"）的中间昵称部分无法正常显示，分离结果不符合预期。数据库姓名字段编码为utf8_general_ci，暂时找不到明确的错误规律。

已测试的代码方案 #

PHP代码 #

1. 提取首尾单词：

$str = "Diana Margarida Paulino Maria";

// Get First and Last Word
$array = explode(" ",$str);

$first_word = $array[0];
$last_word  = $array[count($array)-1];

echo $first_word. ', '.$last_word;

硬编码场景下可正确提取first_word为Diana，last_word为Maria。

2. 获取最后一个单词的函数：

function getLastWord($string)
{
    $string = explode(' ', $string);
    $last_word = array_pop($string);
    return $last_word;
}

3. 去除姓氏，保留姓名其余部分：

$words = explode( " ", $str );
array_splice( $words, -1 );
echo implode( " ", $words );

MySQL查询 #

SELECT substring_index(nome, ' ', 1) as first, substring_index(nome, ' ', -1) as last

可能的原因及解决办法 #

1. 隐藏的非标准空白字符 #

数据库中的姓名字段可能包含全角空格、制表符、连续多个空格等非标准空白，导致explode或substring_index分割逻辑失效。

• PHP端处理：先清理所有连续空白为单个空格，并去除首尾空白：

  $str = trim($str);
  $str = preg_replace('/\s+/', ' ', $str);
  // 再执行原有的分割逻辑
  

• MySQL端处理：用正则替换清理空白后再分割：

  SELECT 
      substring_index(REGEXP_REPLACE(TRIM(nome), '[[:space:]]+', ' '), ' ', 1) as first,
      substring_index(REGEXP_REPLACE(TRIM(nome), '[[:space:]]+', ' '), ' ', -1) as last
  

2. UTF-8编码不匹配 #

虽然数据库字段是utf8_general_ci，但PHP与数据库连接时未正确设置UTF-8编码，导致字符串读取后出现编码异常，影响分割。

• 确保数据库连接时使用utf8mb4编码（支持更完整的Unicode字符，兼容原utf8）：

  // PDO连接示例
  $pdo = new PDO('mysql:host=localhost;dbname=your_db;charset=utf8mb4', 'username', 'password');
  
  // mysqli连接示例
  $conn = mysqli_connect('localhost', 'username', 'password', 'your_db');
  mysqli_set_charset($conn, 'utf8mb4');
  

3. 特殊姓名格式（可选排查） #

部分姓名可能包含连字符、前缀（如de、da）等情况，但你的问题中多数姓名正常，所以优先排查前两个原因。如果存在这类特殊格式，需要针对性调整分割逻辑（比如判断最后一个词是否为常见姓氏前缀，再调整分割位置）。

内容的提问来源于stack exchange，提问作者Rui Banha