在推文《字符编码什么的最头疼了》中，小编已经给大家详细介绍了字节，字符，基础ASCII编码，扩展ASCII编码，unicode，utf-8，如果记不清了，可以戳进去再回顾一下。接下来小编就给大家介绍它们在字符串函数（substr,usubstr,udsubstr）中提取子字符串时的区别。

substr（s,n1,n2）是建立在字节的基础上，s表示某一变量或一个字符串，n1表示从s的第n1个字节开始截取，n2表示需要截取子字符串所占字节的长度。如果n1<0，表示的是从离字符串尾部的第|n1|个字节开始截取，如果n2=.，则截取的是从s的第n1个字节开始到s的最后一个字节。

举个简单的例子，键入以下程序 ：

di substr("abcdef",2,3)

di substr("abcdef",-3,2)

di substr("abcdef",2,.)

di substr("abcdef",-3,.)

di substr("abcdef",2,0)

di substr("abcdef",15,2)

在stata结果输出窗口得到：

同时，在utf-8编码中，基本ASCII编码中的字符只占一个字节，扩展ASCII编码中的字符占两个字节，大部分常用汉字占三个字节，对于比较复杂的汉字（如“𠓕”）占四个字节。所以当使用substr（）来截取字符串时，就得事先计算好自己需要的子字符串所占的字节个数。

举个例子，如果我们想要只截取“Aµ爬虫俱乐部”前面的 “Aµ爬”，就得计算出它们分别占了1、2、3个字节，所以该子字符串的总字节长度应为6。

di substr("A`=uchar(181)'爬虫俱乐部",1,6)

但是如果我们不小心少数了一个字节，

di substr("A`=uchar(181)'爬虫俱乐部",1,5)

就会出现如下情况：

当然，我们在使用substr(s,n1,n2)函数截取字符串时，不可能去一一手工算出某一字符串字节的长度，我们一般结合index()或者strpos()这两个函数使用，我们将会在之后的推文中介绍这些函数。

usubstr（s,n1,n2）是建立在unicode字符的基础上（因为，stata14之前版本采用的是ASCII编码，stata14及其以上版本采用的是unicode编码，因此usubstr只能在stata14 及以上版本才能使用。），s表示一个unicode字符串或者是某一变量，n1，n2表示从第n1个unicode字符开始，截取长度为n2的unicode字符，这里的长度事实上就是unicode字符的个数。

我们再使用介绍第一个命令时用的例子，截取“Aµ爬”。那么我们就可以使用usubstr（）函数，从第一个unicode字符“A”开始截取3个unicode字符，即（“Aµ爬”）。

di usubstr("A`=uchar(181)'爬虫俱乐部",1,3)

同样，udsubstr（s,n1,n2）也是建立在unicode的基础上（同样，udsubstr()也只能在stata14及以上版本中才能使用。），s表示unicode字符串或者是某一变量，n2表示的是字符串在stata结果窗口所占的空间列数，n1，n2 表示从第n1个unicode字符开始，截取占用列数为n2的字符串。基础ASCII编码与扩展ASCII码只占一列的显示空间，汉字等复杂字符占两列的 显示空间。如果n2正好位于某个复杂字符所占两列的中间时，截取的子字符串将停止在前一个完整的字符处，我们键入如下程序：

di udsubstr("A`=uchar(181)'爬虫俱乐部",1,4)

di udsubstr("A`=uchar(181)'爬虫俱乐部",1,5)

di udsubstr("A`=uchar(181)'爬虫俱乐部",1,6)

得到：