PHP截断含西里尔与拉丁混合字符串时末尾出现乱码的解决方法

• 你遇到的截断后出现�、换多字节函数后问题反转、混排标题优先出问题的现象，是两个逻辑漏洞叠加导致的，不是mb系列函数本身的问题：
  • 正则匹配逻辑没有启用多字节感知：原代码中使用的preg_match("/^(.*)\W.*$/", ...)没有加正则的UTF-8匹配修饰符u，默认会把字符串按单字节流处理，对双字节的西里尔字母、单字节的拉丁字母混排内容，很容易从字符中间拆出半截字节，这些不完整的字节序列在页面渲染时就会被替换成�。
  • 截断范围和正则的匹配误差被放大：之前用单字节strlen/substr的时候，西里尔字符按2字节计数，实际截断出来的字符数比设定值少一半，离容易触发字符拆分的边界远，所以问题不明显；换成mb系列函数后，长度计数精准到单个字符，刚好碰到混排的匹配边界，又因为正则没做多字节适配，之前被掩盖的拆字符问题就暴露了。

• 修正全流程的多字节适配逻辑，从字符截断到正则匹配全部对齐UTF-8编码规则，可直接替换为以下代码：

function the_title_limit($length, $replacer = "...") {
    // 自动读取站点设置的编码，避免硬编码错配
    $charset = get_bloginfo('charset') ?: 'UTF-8';
    $string = the_title("", "", false);
    // 长度未超限直接输出
    if (mb_strlen($string, $charset) <= $length) {
        echo $string;
        return;
    }
    // 按目标长度多字节截断
    $trim_part = mb_substr($string, 0, $length + 1, $charset);
    // 正则加u修饰符，按多字节字符匹配词边界
    if (preg_match('/^(.*)\W.*$/u', $trim_part, $matches)) {
        $string = $matches[1];
    } else {
        // 找不到词边界直接硬截断到目标长度
        $string = mb_substr($string, 0, $length, $charset);
    }
    // 兜底清理可能残留的不完整字节，杜绝乱码
    $string = iconv($charset, $charset . '//IGNORE', $string) ?: $string;
    echo $string . $replacer;
}

• 额外的高度一致兜底技巧：
  • PHP截断只做长度参考，配合CSS给标题容器设置overflow: hidden、word-break: break-word，就算有个别截断不齐，也不会撑破文章展示框的统一高度。
  • 不需要为不同长度调用值单独调整逻辑，只要正则的多字节适配正确，不管传100、101还是102的长度参数，都不会出现拆字符出乱码的问题。

内容的提问来源于stack exchange，提问作者Todor Atanasov