字符串处理:截取、替换与中文编码
strlen 和 mb_strlen 差在哪、substr 截中文为什么乱码、str_replace 的替换顺序、sprintf 与 str_pad 的格式化用法。
PHP 的字符串函数分两套:不带 mb_ 的按字节处理,带 mb_ 的按字符处理。中文在 UTF-8 下一个字占三个字节,用错函数就会截出乱码。
字节与字符
strlen('中') 返回 3,mb_strlen('中') 返回 1。截取同理:substr('中国人', 0, 1) 会得到半个字的乱码字节,mb_substr('中国人', 0, 1) 得到「中」。
规则:只要字符串可能含中文,一律用 mb_ 系列,并且显式传编码 UTF-8。mb_internal_encoding('UTF-8') 可以在入口统一设置,省得每个函数都传。
<?php
mb_internal_encoding('UTF-8');
$s = 'PHP学习网';
echo strlen($s); // 12,按字节
echo mb_strlen($s); // 7,按字符
echo mb_substr($s, 3); // 学习网替换的顺序问题
str_replace 可以接收数组,按数组顺序依次替换,前一次的结果会进入下一次。这意味着替换内容里如果含有后面要替换的关键词,会被再次替换。
$text = 'a b c';
echo str_replace(['a', 'b'], ['b', 'c'], $text); // c c c,不是 b c c
echo strtr($text, ['a' => 'b', 'b' => 'c']); // b c c,一次扫描需要「一次扫描、互不影响」的替换,用 strtr。做模板变量替换、敏感词替换时,strtr 更安全。
格式化输出
sprintf 适合拼固定格式的字符串,比用点号连接清楚,也能控制小数位与补零。str_pad 用来补足长度,做订单号、编号很常见。
printf('%s 的价格是 %.2f 元,库存 %03d 件', '键盘', 129.5, 7);
// 键盘 的价格是 129.50 元,库存 007 件
echo str_pad('42', 6, '0', STR_PAD_LEFT); // 000042常用清理
- trim / ltrim / rtrim:去首尾空白,第二个参数可以指定要去掉的字符集合。
- nl2br:把换行转成 <br>,输出用户多行文本时用,但要先 htmlspecialchars。
- htmlspecialchars:输出到 HTML 前必须做。
- strip_tags:去掉标签,但它不能替代转义,属性里的内容仍可能残留。
- str_repeat:重复字符串,做分隔线很方便。
一个容易忽略的点:explode 的分隔符不能是空字符串。想按字符拆分,用 str_split 或 mb_str_split(PHP 7.4+)。