大家都知道，不同字符编码，其在内存占用的字节数不一样。如 ASCII编码字符占用1个字节,UTF-8编码的中文字符是3字节,GBK为2个字节。
PHP 也自带几种字符串截取函数，其中常用到的就是 substr 和 mb_substr。
使用substr截取中文字符时会出现乱码，这是因为substr是按字节来截取的。即UTF-8编码的中文，使用substr截取，只会截取1/3个中文，当然出现乱码了。
mb_substr ( string str , int start [, int length [, string encoding ]] ) 中的参数
如果不清楚字符串的编码格式的话，可以用mb_detect_encoding检查：
encoding = mb_detect_encoding(string, array("ASCII",'UTF-8′,"GB2312′,"GBK",'BIG5′));
然后：
mb_substr ( string str , int start [, int length [, string encoding ]] )
如果自己实现mb_substr,效率并不是很好。
编码相关的php函数使用
ord(substr(str, i, 1)) > 0xa0)
代码语言：javascript复制ord($string)返回字符串第一个字符的ASC码，通过这个来判断截取的字符串第一个字符是不是汉字，因为例如gb2312编码的一个文字是2字节，utf8为三个字节。即 编码大于256的就是汉字。正则字符：
匹配汉字 : preg_match_all('/[x80-xff]?./', string, match);
匹配英文: preg_match_all("/[/x01-/x7f] /",
编码转换
iconv ( string in_charset , string out_charset , string
如GB2312 转UTF-8: iconv("GB2312","UTF-8",$text)
url 编码urlencode
编码后返回的字符串中除了 -_. 之外的所有非字母数字字符都将被替换成百分号（ % ）后跟两位十六进制数，空格则编码为加号（ ）。此编码与 WWW 表单 POST 数据的编码方式是一样的，同时与 application/x-www-form-urlencoded 的媒体类型编码方式一样。
不过应该注意的是，在编码时应该只对部分URL编码，否则URL中的冒号和反斜杠也会被转义。
URLEncode的方式一般有两种，一种是传统的基于GB2312的Encode，另一种是基于UTF-8的Encode。 如：
代码语言：javascript复制$url = '中国';
echo urlencode($url );
//UTF-8: 中国
//GB2312:�й� 例如我们使用浏览器打开百度，搜索 “中国”. 在地址栏看到:
http://www.baidu.com/s?wd= 中国&rsv_bp=0&ch=&tn=baidu&bar=&rsv_spt=3&ie=utf-8&rsv_sug3=16&rsv_sug=0&rsv_sug4=302&rsv_sug1=11&inputT=22928
即我们看到“中国”被浏览器自动转换为： 中国。
urlencode和rawurlencode的区别：urlencode将空格编码为加号“ ”，rawurlencode将空格编码为加号“ ”。
url解码urldecode 和 rawurldecode
1、在解码时，可以使用相应的 urldecode() 和 rawurldecode()，相应地，rawurldecode() 不会把加号（' '）解码为空格，而 urldecode() 可以。
2、urldecode() 和 rawurldecode() 解码出的字符串是 UTF-8格式的编码，如果URL中含有非UTF-8 编码的中文，则要把解码出的字符串进行转换。
如下，先把php文件设置为gb2312编码。你会看到一部分是乱码，一部分是正常的。
$url = '中国'; echo $a = urldecode(urlencode($url)) ,' '; echo iconv('gb2312', 'utf-8', $a);
�й� 中国
