Perl中文字符截取就这么简单

需要对比较长的行（含中文字符）强制换行，以便在网页上正常显示，不至于破坏整个页面布局，通过 CSS 似乎可以做到这点，不过对 Firefox 好像没什么作用，所以干脆用程序处理好了。

网上找了好几个脚本，都不能用，而且都比较复杂，经过一番研究，发觉了一个简单而可行的方法。其原理是：截取指定长度字符串，然后删除字符串中所有非中文字符，并计算剩余中文字符的长度，我的中文是UTF-8编码，每个汉字长度为3个字节，如果发现长度不是3的整数倍，则表示截取字符串中包含中文乱码，此时删除多余的字符（少截取一点点）。

下面的程序是对输入字符串进行分割，分割的地方插入<br>，然后输出。

代码如下：

#!/usr/bin/perl

use strict;

sub substring() {
    my ($str, $maxlen) = @_;
    my $trim = 0;
    return $str if (length($str) <= $maxlen);

    ### Count length of chinese charaters
    (my $cn = substr($str,0,$maxlen)) =~ s/[^\x7f-\xff]//g;

    ### if the length is not the multiple of 3, trim the redundant chars
    $trim = length($cn) % 3;

    ### get the substring
    my $retval = substr($str,0,$maxlen-$trim);

    ### recursion to get the remain string
    return "$retval<br>" . &substring(substr($str,$maxlen-$trim),$maxlen);
}

my $str = "一个很long很长很长很长的string, 要分割以便能正常显示";
print &substring($str,15) . "\n";

输出：
    一个很long<br>很长很长很<br>长的string, <br>要分割以便<br>能正常显示

=======================================================================
## 感谢 hzqbbc 兄的指点，更简单的办法:

$len = 15;

Encode::_utf8_on($str);
while (my $sub = substr($str, 0, $len)) {
 Encode::_utf8_off($sub);
 print "$sub\n";
 $str = substr($str, $len);
}

### 后来，在 Google 上找了找 Encode 相关资料，发现配合 pack/unpack 也可以达到这个目的
### 字符串在 unpack 和 pack 后，utf8 标记已经去掉了

$len = 15;
Encode::_utf8_on($str);
while (my $sub = substr($str, 0, $len)) {
 print pack("b*",unpack("b*",$sub)) . "\n";
 $str = substr($str, $len);
}