1.5 字符串：单据文本的加工车间

1.5 字符串：单据文本的加工车间

本节摘要：字符串是月台上流转最广的物料——表单内容、URL 参数、日志行、响应片段全是字符串。本节先分清三种定界写法与插值规则，再过一遍拆、查、换、拼的高频函数，重点讲清多字节中文在字节与字符之间的差异，最后以"用户昵称清洗与截断"实战收尾。本节承上（1.4 的数组元素多数是字符串）启下（1.7 表单文本的校验与转义）。

先分清三种写法

PHP 里写字符串有三种常见定界方式，行为差异必须门儿清：

<?php
$item = '行李箱';

$s1 = '一件$item';            // 单引号：原样输出，不做插值
echo $s1, "\n";               // 一件$item

$s2 = "一件$item";            // 双引号：解析变量与转义符
echo $s2, "\n";               // 一件行李箱

$s3 = <<<TXT
托运单：{$item}x1
备注：易碎品，轻拿轻放
TXT;                          // heredoc：同双引号规则，适合多行
echo $s3, "\n";
​

经验法则：纯文字、不含变量用单引号（少一层解析，意图也明确）；需要插值用双引号，复杂表达式用花括号包住："共{$count}件"。拼接大段 HTML 时 heredoc 比一长串点号清爽得多。

拆、查、换、拼：高频函数过一遍

围绕一个示例串演示，注释即输出：

<?php
$line = '  G102,南苑,虹桥,08:30  ';

// 查与取
echo strpos($line, '虹桥'), "\n";          // 位置（字节偏移），找不到返回 false
echo substr($line, 2, 4), "\n";            // G102（按下标截取）

// 换与修
echo trim($line), "\n";                    // 去首尾空白：G102,南苑,虹桥,08:30
echo str_replace('南苑', '西站', $line), "\n";

// 拆与拼
$parts = explode(',', trim($line));        // 按分隔符拆成数组
print_r($parts);                           // [G102, 南苑, 虹桥, 08:30]
echo implode(' | ', $parts), "\n";         // 反向拼回字符串

// 格式化
echo sprintf('%s 次列车 %s 发车，票价 %.2f 元', $parts[0], $parts[3], 55.5), "\n";
// G102 次列车 08:30 发车，票价 55.50 元
​

sprintf 值得多花两条命令练熟：%s 填字符串、%d 填整数、%.2f 控小数位，模板与数据分离，比一长串点号拼接好读得多。

字节与字符：中文的门道

这是本节的重心。PHP 的字符串本质是字节序列，strlen 数的是字节；一个 UTF-8 汉字占三个字节，于是出现了"函数说有六、肉眼只有两"的错位。凡涉及中文，一律换 mb_ 前缀的多字节函数：

<?php
$nick = '月台客';

var_dump(strlen($nick));      // int(9)：三个汉字共九字节
var_dump(mb_strlen($nick));   // int(3)：三个字符

var_dump(substr($nick, 0, 4));      // 可能切出半个汉字，输出乱码
var_dump(mb_substr($nick, 0, 2));   // 月台：按字符切，安全
​

乱码问题还要守住另外两端：文件本身以 UTF-8 无签名编码保存，响应头声明 Content-Type: text/html; charset=utf-8（2.3 节展开）。三端一致（源码端、处理端、输出端），中文问题基本绝迹；任何一端不一致，都会以"页面上问号或火星文"的形式收场。大小写转换同理：strtolower 对中文无意义，对带音标的西文也不完整，需要时用 mb_strtolower。

实战：用户昵称的清洗与截断

把本节函数组装成一条完整的加工线。场景：旅客注册填写昵称，要求去掉首尾空白、压掉连续空格、过滤敏感标记、超长按字符截断，并保证截断后仍可安全输出到 HTML：

<?php
function cleanNickname(string $raw, int $maxChars = 12): string {
    $nick = trim($raw);                       // 去首尾空白
    $nick = preg_replace('/\s+/u', ' ', $nick);   // 连续空白压成一个空格
    $nick = strip_tags($nick);                // 拍掉内嵌的 HTML 标签
    if (mb_strlen($nick) > $maxChars) {
        $nick = mb_substr($nick, 0, $maxChars) . '…';
    }
    return $nick;
}

echo cleanNickname('  张   三 <b>速达</b>旅客们请注意' ), "\n";
// 张 三 速达旅客们请注… （按字符截断，无乱码）
​

走一遍流程解读：trim 收边、正则压空格、strip_tags 拆掉伪装成昵称的标签、超长按 mb_ 截断补省略号。输出到页面时还要过一道 htmlspecialchars（1.7 节专门讲），那是出站前的最后一道安检，与本节的入库前清洗分工不同、缺一不可。变式：若产品要求昵称唯一，清洗后还需按规范化结果查重，规范化函数定下来就别再改，否则历史数据对不上。

变式思路：如果昵称要参与唯一性判断（一个昵称只能一位旅客使用），清洗函数之外还需要一道"规范化"——统一全半角、统一大小写规则后再比对，而且规范化规则一旦上线就不能再改，否则历史数据之间对不上号。这类"格式资产"的设计决策，比函数本身更值得在动手前想清楚。另外补一个"字符与显示宽度"的边界提醒：字符数对了，显示宽度未必对——等宽终端里一个汉字通常占两个英文字符的位置，做命令行表格、对齐输出时要用"显示宽度"而非"字符数"来补空格，否则表格永远对不齐。这类细节不影响正确性，但决定交付物的体面程度。另外提醒一处性能分寸：preg_replace 与多字节函数都比基础函数慢，但它们工作在"每请求个位次数"的量级，完全不必为省这点开销牺牲正确性——真正要计较的是 2.5 节那种循环千次的场景。

常见问题

为什么 strlen 统计中文数量不对？

strlen 统计字节数，UTF-8 下一个汉字占三个字节，所以结果约是字符数的三倍。统计字符请用 mb_strlen，截取请用 mb_substr，并把多字节扩展确认在已加载清单里（1.1 节的 php -m）。

本节要点回顾

• 定界三式：单引号不插值，双引号与 heredoc 插值，模板复杂度决定选哪种。
• 加工四件套：explode 与 implode 管拆拼，str_replace 管替换，sprintf 管格式化。
• 中文必用多字节函数：mb_strlen、mb_substr 替换字节版函数，三端编码统一 UTF-8。
• 清洗有次序：收边、压空白、去标签、按字符截断，顺序固定成习惯。

下一节转向文件与目录：字符串要落成日志与配置，就得经过站内仓库的手。