Nightmare的胡言亂語

話說....Big5編碼一直是我們在做字串處理時的痛，因為Big5屬於Double Byte字元而且結尾那個byte的編碼好死不死又跟ASCII Code重複，導致像是許功蓋這些結尾字元在ASCII Code裡面為\(脫逸符號)、\t(tab)、\n(換行)等符號的字元在輸出的時候都會有問題，在我還是大學生的時候，這問題困擾了我好久，因為除了顯示時add_slash不能在這些字串後面多個'\'之外，老闆還叫我開發個文章自動斷行系統，不能截掉英文單字且中文字要能正常顯示，截英文字事小，只要back track回上一個空白字元就好(ASCII Code=32)，重點是這個系統的萬年資料庫是Big5編碼的，整個的欲哭無淚，經過三週的奮戰後，我終於解決了這個問題，不過時間久了也忘記要怎麼解了，今天心血來潮上網找了兩種解法，當然最根本的還是捨Big5用UTF-8來存字串最好囉。

第一種是逐一比對每一個Byte，若此Byte>127則表示為中文字(Big5的First Byte > 127)，下一個Byte和這個Byte為同一個字組，這個解法是我那時候使用的解法，印象中PHP的版本還是3.x的時候

function subBig5Str($str,$len){

//檢查原本的字串是不是比要截的長度長

   if(strlen($str) > $len){

   //比較長才開始截字串

      for($i=0;$i<$len;$i++){

         //每一次拿一個byte來檢查

         $first_byte=substr($str,$i,1);

         if(ord($first_byte)>127){

         //如果$firest_byte大於127表示為Double byte字元

         //跳過下一個字元檢查(因為是同一個字)

         $i++;

         }

      }

       //最後可以得到裁字的結尾$i

       $str=substr($str,0,$i);

   }

   return $str;

}

第二種則是透過iconv來解決，很漂亮的一行搞定。

iconv_substr($str,0,18,'big5');