PHP使用substr处理含多字节特殊字符字符串异常的解决方法

问题原因 #

• 你混用了两种计数逻辑的字符串函数：mb_stripos是多字节处理函数，返回的偏移量是按字符数统计的结果；而原生substr是单字节函数，偏移量按字节数统计，二者计数单位不匹配是异常的核心诱因。
• 你提到的长破折号（—）属于UTF-8三字节字符，1个字符占3字节：mb_stripos计算偏移时只把它算1个字符位，而substr处理时需要跳过3字节才会到下一个字符，最终导致你传入的偏移量比实际字节偏移少了2位，切割结果整体右移。

修复方案 #

所有涉及多字节字符串的操作统一使用mb_前缀的多字节处理函数，切割字符串替换为mb_substr，同时显式指定编码为UTF-8避免环境默认编码异常。
修复后的代码示例：

<?php
$str1 = "— lorem lorem Alice lorem lorem lorem loremlorem";
$str2 = "a lorem lorem Alice lorem lorem lorem loremlorem";
$str3 = "  lorem lorem Alice lorem lorem lorem loremlorem";

// 统一使用多字节函数处理，显式指定UTF-8编码
$foundIndex = mb_stripos($str1, "Alice", 0, 'UTF-8'); 
var_dump(mb_substr($str1, $foundIndex - 6, 24, 'UTF-8'), $foundIndex);

$foundIndex = mb_stripos($str2, "Alice", 0, 'UTF-8');
var_dump(mb_substr($str2, $foundIndex - 6, 24, 'UTF-8'), $foundIndex);

$foundIndex = mb_stripos($str3, "Alice", 0, 'UTF-8');
var_dump(mb_substr($str3, $foundIndex - 6, 24, 'UTF-8'), $foundIndex);

修改后三个测试用例的输出结果会完全一致，也可以正常处理emoji等任意长度的UTF-8特殊字符。

内容的提问来源于stack exchange，提问作者Ionică Bizău