php - 使用 mb_substr() 管理韩语多字节字符串会产生乱码

Question

当使用 mb_substr() 时，我有一个韩语的 string(多字节字符串)，使用 UTF-8 编码 它无法将其检测为 multi byte 因此 mb_substr() 的工作方式与 substr() 类似，我最终得到了乱码例如 string 末尾的“�”。

星期三大象键盘开裂青蛙混杂纪念碑问题面包车斑马线 수요일 코끼리 키보드 개구리 뒤범벅 비석 이 질문에 반 얼룩말을 크래킹

同时使用 mb_detect_encoding() 我得到了 UTF-8，有什么想法我哪里出错了吗？

我目前使用的函数是:

function cleanseData($data, $mode = false, $limit = 0) {
    if ($mode) {
        $data = (mb_strlen ( $data ) > ($limit + 3)) ? mb_substr ( $data, 0, $limit, mb_detect_encoding($data) ) . '...' : $data;
    }
    $data = utf8tohtml ( $data, true );
    return $data;
}

Answer 1

不要使用任何 mb 或 utf8tohtml 函数。声明每个阶段的一切都是utf8。参见 UTF-8 all the way through

� 可能是因为一开始就没有 utf8 字符，而是使用默认的 SET NAMES latin1 而不是 SET NAMES utf8。

难道你的文字是EUCKR？请提供一些字符的十六进制；我也许可以进一步挖掘。

另外请执行此操作以查看表中的内容:

SELECT col, HEX(col) FROM tbl WHERE ...

这将提供一个线索，说明数据是在进入表时被破坏，还是在出时被破坏。

正确编码为utf8(或utf8mb4)，星期三为十六进制E6989F E69C9F E4B889，보드 개为十六进制EBB3B4 EB939C 20 EAB09C(为清楚起见，我添加了空格。)

你的是中文和韩文的组合，对吗？我强烈推荐 utf8mb4。