PHP中转义🗡字符及Laravel下字符串截取防非字符串异常处理

1. 如何转义🗡（🗡）字符？ #

首先要明确：emoji属于UTF-8编码的多字节字符（这个🗡是4字节的Unicode字符），转义场景不同处理方式也不一样：

• 如果是要将其转换为HTML实体（比如你提到的🗡），可以用htmlentities函数并指定UTF-8编码：

  $emoji = '🗡';
  $escaped = htmlentities($emoji, ENT_QUOTES, 'UTF-8');
  // 输出结果就是 🗡
  

  或者用mb_convert_encoding直接转实体：

  $escaped = mb_convert_encoding($emoji, 'HTML-ENTITIES', 'UTF-8');
  

• 如果是要在数据库中安全存储，只要你的数据库表使用utf8mb4编码（Laravel默认推荐的编码），就不需要额外转义，直接存储原始字符即可——Laravel的Eloquent会自动处理UTF-8字符的存储。

2. 解决substr截取导致的乱码问题 #

你遇到的问题根源在于substr是单字节字符串处理函数，而emoji是多字节UTF-8字符，直接截取会破坏字符的字节结构，导致出现乱码（比如你得到的b"—¡ breaks my c"就是被拆分的无效字节序列）。

通用PHP解决方案 #

使用多字节安全的mb_substr函数，它会识别UTF-8字符的完整字节：

dump(mb_substr('this 🗡 breaks my code', 7, 14, 'UTF-8'));
// 正确返回有效字符串，不会出现乱码

注意一定要指定最后一个参数为'UTF-8'，确保函数按UTF-8编码解析字符串。

Laravel框架内置解决方案 #

Laravel的Illuminate\Support\Str类提供了多字节安全的字符串处理方法，其中Str::substr就是封装了mb_substr的便捷方法，默认使用UTF-8编码：

首先确保引入Str类（或者用Facades）：

use Illuminate\Support\Str;

dump(Str::substr('this 🗡 breaks my code', 7, 14));

这样就能直接得到正确的截取结果，完全避免乱码问题。

另外，如果需要对字符串做其他清理（比如去除无效字节、过滤特殊字符），Laravel还提供了这些实用方法：

• Str::clean()：清理字符串中的无效UTF-8字符（Laravel 9+支持）
• Str::squish()：去除多余空格、换行符并合并连续空格
• Str::replace()：安全替换字符串内容（同样支持多字节）

内容的提问来源于stack exchange，提问作者user3743266