utf8截取无乱码

要知道怎么截取UTF8无乱码，我们首先要知道UTF8是怎么编码的，百度了一下，得出以下码表

Unicode/UCS-4

bit数

UTF-8

byte数

备注

0000 ~

007F

0~7

0XXX XXXX

1

 

0080 ~

07FF

8~11

110X XXXX

2

 

0800 ~

FFFF

12~16

1110XXXX

3

基本定义范围：0~FFFF

1 0000 ~

1F FFFF

17~21

1111 0XXX

4

Unicode6.1定义范围：0~10 FFFF

20 0000 ~

3FF FFFF

22~26

1111 10XX

5

说明：此非unicode编码范围，属于UCS-4 编码

早期的规范UTF-8可以到达6字节序列，可以覆盖到31位元（通用字符集原来的极限）。尽管如此，2003年11 月UTF-8 被 RFC3629 重新规范，只能使用原来Unicode定义的区域， U+0000到U+10FFFF。根据规范，这些字节值将无法出现在合法UTF-8序列中

400 0000 ~

7FFF FFFF

27~31

1111 110X

6

看起来很复杂，其实就很简单，utf8编码究竟是多少个字节组成一个字符，主要是看字符的第一个字节，至于第一个字节是什么样对应截取多少个就参照上表了，但是还有一个问题，就是究竟要怎么判断，其实只要截取第一个字节出来，位运算一次就可以了，具体代码如下

function getUTF8($str,$len){    if($len <= 0){        return '';    }    $temp = '';    for($i=0,$j=0;$i<$len;$i++){        $str1 = ord(substr($str,$j,1));        if(($str1 & bindec('11111110')) == bindec('11111100')){            //截取6            $temp .= substr($str,$j,6);            $j = $j + 6;        }elseif(($str1 & bindec('11111100')) == bindec('11111000')){            //截取5            $temp .= substr($str,$j,5);            $j = $j + 5;        }elseif(($str1 & bindec('11111000')) == bindec('11110000')){            //截取4            $temp .= substr($str,$j,4);            $j = $j + 4;        }elseif(($str1 & bindec('11110000')) == bindec('11100000')){            //截取3            $temp .= substr($str,$j,3);            $j = $j + 3;        }elseif(($str1 & bindec('11100000')) == bindec('11000000')){            //截取2            $temp .= substr($str,$j,2);            $j = $j + 2;        }else{            //截取1            $temp .= substr($str,$j,1);            $j = $j + 1;        }    }    return $temp;}