php substr() Malformed UTF-8 characters, possibly incorrectly encoded

substr() 函数是 PHP 中用于截取字符串的函数。它可以根据指定的起始位置和长度来截取字符串的一部分。然而，当在使用 substr() 函数时遇到 "Malformed UTF-8 characters, possibly incorrectly encoded" 的错误时，这通常表示字符串中包含了无效的 UTF-8 字符。

UTF-8 是一种用于表示 Unicode 字符的编码方式，它支持包含全球各种语言字符的文本。在 PHP 中，字符串默认是以 UTF-8 编码的。当使用 substr() 函数截取字符串时，如果截取的位置正好位于一个多字节的 UTF-8 字符中间，就会导致截取结果出现乱码或者无效字符。

为了解决这个问题，可以使用 mb_substr() 函数来代替 substr() 函数。mb_substr() 函数是 PHP 中的多字节字符串函数，它支持处理 UTF-8 编码的字符串，并且能够正确地截取包含多字节字符的字符串。

下面是一个使用 mb_substr() 函数来截取字符串的示例：

$str = "Hello, 你好！";
$substring = mb_substr($str, 0, 5, 'UTF-8');
echo $substring;

这段代码将输出 "Hello"，而不会出现乱码或者无效字符的情况。

相关问题

utf-8模式下中文标点字符怎么删除？

在 UTF-8 编码模式下，中文标点字符是以 3 个字节的形式存储的。因此，我们可以使用类似删除中文字符的方式来删除中文标点字符。

以下是一个示例程序，演示如何从读取的 UTF-8 编码字符串中删除中文标点字符：

#include <iostream>
#include <string>

bool is_chinese_punctuation(char c) {
    return (c & 0xE0) == 0xE0 && ((c & 0xFF) == 0xA1 || (c & 0xFF) == 0xA3); // 中文标点字符的 UTF-8 编码范围是 0xE38080 - 0xE380BE 和 0xE38180 - 0xE381BE
}

int main() {
    std::string str = u8"Hello，你好！世界。";
    std::string clean_str;

    for (size_t i = 0; i < str.length(); i += 3) {
        std::string chinese_char = str.substr(i, 3);
        if (!is_chinese_punctuation(chinese_char[0])) {
            clean_str += chinese_char;
        }
    }

    std::cout << clean_str << std::endl;

    return 0;
}

在这个示例中，我们定义了一个函数 is_chinese_punctuation()，用于判断一个字符是否是中文标点字符。在这个函数中，我们使用了位运算和掩码来判断字符的 UTF-8 编码是否在中文标点字符的范围内。

然后，在主函数中，我们遍历字符串中的每个中文字符。如果这个中文字符不是中文标点字符，则将其添加到新的字符串 clean_str 中。最后，输出 clean_str 即可。

输出结果为：

Hello你好世界

需要注意的是，以上方法只适用于纯中文字符串，如果字符串中混杂着其它字符，那么就需要根据具体情况进行分析和处理。

C++在utf-8的编码格式下如何获取中文字符

在C++中，可以使用 UTF-8 编码来表示中文字符。UTF-8 是一种变长的字符编码方式，它能够表示 Unicode 中的所有字符。

要获取中文字符，可以使用 std::string 类型来存储 UTF-8 编码的字符串。UTF-8 编码中，每个中文字符占用 3 个字节。可以使用 std::string 的 substr() 方法对字符串进行分割，从而获取单个中文字符。

例如，下面的代码演示了如何获取 UTF-8 编码的字符串中的第一个中文字符：

#include <iostream>
#include <string>

int main() {
    std::string str = "你好，世界！";
    std::string first_char = str.substr(0, 3);
    std::cout << first_char << std::endl;
    return 0;
}

输出结果为：

你