PHP 字符串匹配深度指南：从基础函数到正则表达式实战81

在日常的编程工作中，字符串处理无疑是核心任务之一，而字符串匹配（即在长字符串中查找是否存在或提取指定的短字符串或符合特定模式的字符串）更是其中的重中之重。无论是用户输入验证、日志文件分析、数据提取还是URL路由，都离不开强大的字符串匹配能力。PHP作为一门广泛应用于Web开发的语言，提供了极其丰富和灵活的字符串匹配函数，从简单的子字符串查找，到复杂的正则表达式模式匹配，应有尽有。

本文将作为一份全面的指南，带领你深入了解PHP中各种字符串匹配的方法。我们将从最基础的函数入手，逐步过渡到功能强大的正则表达式，并探讨它们各自的适用场景、性能考量以及多字节字符串（如UTF-8）的处理。

一、基础子字符串查找：快速、高效的工具

对于最简单的“字符串A是否包含字符串B”或者“字符串B在哪里”的需求，PHP提供了一系列简单直接的函数，它们通常比正则表达式更快，也更容易理解。

1.1 `strpos()` 和 `stripos()`：查找子字符串首次出现的位置

`strpos()` 函数用于查找一个字符串在另一个字符串中首次出现的位置（偏移量），它是区分大小写的。如果找到了，它返回子字符串的起始位置；如果没有找到，则返回 `false`。<?php
$haystack = "Hello, world! Welcome to PHP.";
$needle = "world";
$pos = strpos($haystack, $needle);
if ($pos !== false) {
echo "'world' 首次出现在位置: " . $pos . ""; // 输出: 'world' 首次出现在位置: 7
} else {
echo "'world' 未找到。";
}
$needle_case_sensitive = "World"; // 大写W
$pos_cs = strpos($haystack, $needle_case_sensitive);
if ($pos_cs !== false) {
echo "'World' 首次出现在位置: " . $pos_cs . "";
} else {
echo "'World' 未找到 (区分大小写)。"; // 输出: 'World' 未找到 (区分大小写)。
}
// 注意：如果子字符串在开头（位置0），`strpos` 返回 0。`0` 和 `false` 在PHP中是弱等价的，因此务必使用 `!== false` 进行严格比较。
$haystack_start = "PHP is great!";
$needle_start = "PHP";
$pos_start = strpos($haystack_start, $needle_start);
if ($pos_start !== false) {
echo "'PHP' 首次出现在位置: " . $pos_start . ""; // 输出: 'PHP' 首次出现在位置: 0
} else {
echo "'PHP' 未找到。";
}
?>

`stripos()` 函数与 `strpos()` 功能相同，但它不区分大小写，这在很多场景下非常有用。<?php
$haystack = "Hello, world! Welcome to PHP.";
$needle_insensitive = "world";
$pos_is = stripos($haystack, $needle_insensitive);
if ($pos_is !== false) {
echo "'world' (不区分大小写) 首次出现在位置: " . $pos_is . ""; // 输出: 'world' (不区分大小写) 首次出现在位置: 7
}
$needle_insensitive_upper = "WORLD";
$pos_is_upper = stripos($haystack, $needle_insensitive_upper);
if ($pos_is_upper !== false) {
echo "'WORLD' (不区分大小写) 首次出现在位置: " . $pos_is_upper . ""; // 输出: 'WORLD' (不区分大小写) 首次出现在位置: 7
}
?>

这两个函数都支持第三个可选参数 `offset`，可以指定从主字符串的哪个位置开始搜索。

1.2 `strstr()` 和 `stristr()`：获取匹配子字符串之后的部分

`strstr()` 函数用于查找一个字符串在另一个字符串中首次出现的位置，并返回从该位置到主字符串末尾的所有字符（包括子字符串本身）。如果未找到子字符串，则返回 `false`。<?php
$email = "user@";
$domain = strstr($email, '@'); // 返回 "@"
echo "域名部分: " . $domain . "";
$username = strstr($email, '@', true); // 设置第三个参数为 true，则返回子字符串之前的部分
echo "用户名部分: " . $username . ""; // 返回 "user"
$result = strstr("Hello World", "world"); // 区分大小写，找不到
if ($result === false) {
echo "'world' 未找到。";
}
?>

`stristr()` 函数是 `strstr()` 的不区分大小写版本。<?php
$text = "PHP is a popular scripting language.";
$result_case_insensitive = stristr($text, "php"); // 不区分大小写
echo "从 'php' 开始的部分: " . $result_case_insensitive . ""; // 输出: PHP is a popular scripting language.
?>

1.3 `str_contains()` (PHP 8.0+)：最简单的布尔判断

对于仅仅需要判断一个字符串是否包含另一个子字符串的场景，PHP 8.0 及更高版本引入了 `str_contains()` 函数，它返回一个布尔值，非常直观和简洁。<?php
$text = "The quick brown fox jumps over the lazy dog.";
if (str_contains($text, "fox")) {
echo "字符串包含 'fox'。"; // 输出: 字符串包含 'fox'。
}
if (!str_contains($text, "cat")) {
echo "字符串不包含 'cat'。"; // 输出: 字符串不包含 'cat'。
}
// 区分大小写
if (!str_contains($text, "Fox")) {
echo "字符串不包含 'Fox' (区分大小写)。"; // 输出: 字符串不包含 'Fox' (区分大小写)。
}
?>

如果你的PHP版本低于8.0，可以使用 `strpos()` 的结果来模拟 `str_contains()`：`strpos($haystack, $needle) !== false`。

1.4 `str_starts_with()` 和 `str_ends_with()` (PHP 8.0+)：判断开头和结尾

PHP 8.0 及更高版本也引入了 `str_starts_with()` 和 `str_ends_with()` 函数，用于判断一个字符串是否以指定的子字符串开始或结束。同样返回布尔值。<?php
$filename = "";
if (str_starts_with($filename, "doc")) {
echo "文件名以 'doc' 开头。";
}
if (str_ends_with($filename, ".pdf")) {
echo "文件名以 '.pdf' 结尾。";
}
// 区分大小写
if (!str_ends_with($filename, ".PDF")) {
echo "文件名不以 '.PDF' 结尾 (区分大小写)。";
}
?>

对于旧版PHP，你可以使用 `substr()` 来实现相同的功能：<?php
function custom_str_starts_with($haystack, $needle) {
return (string)$needle !== '' && strncmp($haystack, $needle, strlen($needle)) === 0;
}
function custom_str_ends_with($haystack, $needle) {
return (string)$needle !== '' && substr($haystack, -strlen($needle)) === $needle;
}
$filename = "";
if (custom_str_starts_with($filename, "doc")) {
echo "文件名以 'doc' 开头 (旧版兼容)。";
}
if (custom_str_ends_with($filename, ".pdf")) {
echo "文件名以 '.pdf' 结尾 (旧版兼容)。";
}
?>

1.5 `substr_count()`：计算子字符串出现次数

如果你需要知道一个子字符串在一个主字符串中出现了多少次，`substr_count()` 是最直接的函数。它会返回子字符串非重叠出现的次数。<?php
$text = "The quick brown fox jumps over the lazy dog. The quick brown fox.";
$count = substr_count($text, "fox");
echo "'fox' 出现了 " . $count . " 次。"; // 输出: 'fox' 出现了 2 次。
$text_overlap = "aaaaa";
$count_overlap = substr_count($text_overlap, "aaa");
echo "'aaa' 出现了 " . $count_overlap . " 次 (注意不重叠)。"; // 输出: 'aaa' 出现了 1 次 (不是 3 次)
?>

请注意 `substr_count()` 的非重叠特性。如果需要计算重叠的匹配，则需要使用正则表达式。

二、正则表达式：高级模式匹配的利器

当简单的子字符串查找无法满足需求时，正则表达式（Regular Expressions，简称Regex或Regexp）便成为了不可或缺的工具。正则表达式允许你定义复杂的文本模式，从而实现高度灵活的匹配、查找、替换和数据提取。

PHP通过PCRE（Perl Compatible Regular Expressions）扩展提供了完整的正则表达式支持。核心函数都以 `preg_` 开头。

2.1 `preg_match()`：匹配一次模式

`preg_match()` 函数用于执行一个正则表达式匹配。它会在字符串中搜索与模式匹配的子字符串。如果找到匹配，则返回 `1`；如果没有找到，则返回 `0`；如果发生错误，则返回 `false`。

它最重要的功能是能够通过可选的第三个参数 `$matches` 捕获匹配到的子字符串（包括完整匹配和所有捕获组）。<?php
$text = "My email is user@ and his is admin@.";
$pattern = '/([a-zA-Z0-9._%+-]+)@([a-zA-Z0-9.-]+\.[a-zA-Z]{2,})/'; // 匹配邮箱地址的正则表达式
if (preg_match($pattern, $text, $matches)) {
echo "找到邮箱地址: " . $matches[0] . ""; // 完整匹配的邮箱地址
echo "用户名: " . $matches[1] . ""; // 第一个捕获组 (用户名)
echo "域名: " . $matches[2] . ""; // 第二个捕获组 (域名)
} else {
echo "未找到邮箱地址。";
}
// 匹配电话号码 (简单的例子)
$phone_text = "Call me at 123-456-7890 or 987.654.3210";
$phone_pattern = '/\d{3}[-.]\d{3}[-.]\d{4}/';
if (preg_match($phone_pattern, $phone_text, $phone_matches)) {
echo "找到电话号码: " . $phone_matches[0] . ""; // 默认只匹配第一个
}
?>

正则表达式基础：

`//`：正则表达式的定界符，可以是除了字母、数字、反斜杠或空格之外的任何字符，但通常使用 `/`。
`[a-zA-Z0-9._%+-]+`：匹配一个或多个字母、数字、点、下划线、百分号、加号或减号。
`@`：匹配字面量字符 `@`。
`\d`：匹配任意数字 (0-9)。
`{n}`：匹配前一个字符或组恰好 `n` 次。
`{n,m}`：匹配前一个字符或组至少 `n` 次，至多 `m` 次。
`+`：匹配前一个字符或组一次或多次。
`-` `.`：在字符类 `[]` 外是特殊字符，需要转义 `\`。在 `[]` 内 `-` 表示范围，`.` 表示字面点。
`()`：创建捕获组，用于提取匹配到的子模式。

2.2 `preg_match_all()`：匹配所有模式

与 `preg_match()` 只匹配第一次不同，`preg_match_all()` 会在整个字符串中查找所有匹配给定模式的子字符串。它返回匹配的总次数。

2.3 `preg_grep()`：通过正则表达式过滤数组

`preg_grep()` 函数在数组中搜索与指定模式匹配的元素，并返回一个包含所有匹配元素的新数组。<?php
$files = ["", "", "", "", ""];
$image_pattern = '/\.(jpg|png)$/i'; // 匹配以 .jpg 或 .png 结尾的文件名 (不区分大小写)
$image_files = preg_grep($image_pattern, $files);
echo "图片文件:<pre>"; print_r($image_files); echo "</pre>";
/* 预期输出:
Array (
[0] =>
[4] =>
)
*/
// 加上 PREG_GREP_INVERT 标志可以返回不匹配的元素
$non_image_files = preg_grep($image_pattern, $files, PREG_GREP_INVERT);
echo "非图片文件:<pre>"; print_r($non_image_files); echo "</pre>";
/* 预期输出:
Array (
[1] =>
[2] =>
[3] =>
)
*/
?>

2.4 `preg_replace()`：基于正则表达式的查找和替换

`preg_replace()` 函数使用正则表达式进行查找和替换。它非常强大，可以替换匹配到的文本，甚至可以使用捕获组来构建替换字符串。<?php
$html = "<h1>Title</h1>Paragraph";
$pattern_tags = '/<(\/?h1|p)>/i'; // 匹配 <h1>, </h1>, , 
$replacement_div = '<div class="content">'; // 简单替换
// 替换所有匹配到的 <h1> 或 标签为 <div class="content">
// 注意这里只是一个简单的示例，实际 HTML 解析应使用 DOM 解析器
$new_html = preg_replace($pattern_tags, '<div>', $html);
echo "替换标签后的HTML: " . htmlspecialchars($new_html) . "";
// 实际输出：<div>Title</div><div>Paragraph</div>
// 使用捕获组进行替换
$date_string = "Today is 2023-10-26.";
$date_pattern = '/(\d{4})-(\d{2})-(\d{2})/'; // 匹配 YYYY-MM-DD 格式
$date_replacement = '$3/$2/$1'; // 使用 $1, $2, $3 引用捕获组
$formatted_date = preg_replace($date_pattern, $date_replacement, $date_string);
echo "格式化日期: " . $formatted_date . ""; // 输出: Today is 26/10/2023.
?>

2.5 `preg_split()`：通过正则表达式分割字符串

`preg_split()` 函数使用正则表达式作为分隔符来分割字符串，返回一个包含分割后子字符串的数组。<?php
$sentence = "Hello, world! How are you?";
$words = preg_split('/[ ,!?;.]/', $sentence, -1, PREG_SPLIT_NO_EMPTY); // 以逗号、空格、感叹号、问号、分号、点分割，并移除空字符串
echo "分割后的单词:<pre>"; print_r($words); echo "</pre>";
/* 预期输出:
Array (
[0] => Hello
[1] => world
[2] => How
[3] => are
[4] => you
)
*/
$csv_data = "Apple,Banana,Orange,Grape";
// 匹配逗号，但忽略在双引号内的逗号
$csv_pattern = '/,(?=(?:[^"]*"[^"]*")*[^"]*$)/';
$items = preg_split($csv_pattern, $csv_data);
echo "分割后的CSV项:<pre>"; print_r($items); echo "</pre>";
/* 预期输出:
Array (
[0] => Apple
[1] => "Banana,Orange"
[2] => Grape
)
*/
?>

2.6 正则表达式标志 (Flags)

在正则表达式定界符之后可以添加一个或多个标志来修改匹配行为：
`i` (PCRE_CASELESS)：不区分大小写匹配。
`m` (PCRE_MULTILINE)：多行模式。`^` 和 `$` 不仅匹配字符串的开始和结束，也匹配每一行的开始和结束。
`s` (PCRE_DOTALL)：使 `.` (点) 匹配所有字符，包括换行符。
`U` (PCRE_UNGREEDY)：使量词（如 `*`, `+`, `?`, `{n,m}`）变为非贪婪模式。默认是贪婪的（尽可能多地匹配）。
`x` (PCRE_EXTENDED)：忽略模式中的空白字符（除非被转义或在字符类中），并允许使用 `#` 开始的注释。
`A` (PCRE_ANCHORED)：强制模式从目标字符串的开头开始匹配，等同于在模式开头添加 `^`。
`D` (PCRE_DOLLAR_ENDONLY)：强制 `$` 只匹配字符串的末尾。
`u` (PCRE_UTF8)：开启 UTF-8 模式，正确处理多字节字符。对于包含非ASCII字符的模式和字符串，这通常是必需的。

<?php
$text_flags = "HelloWorld";
if (preg_match('/hello/i', $text_flags)) { // i 标志，不区分大小写
echo "'hello' (不区分大小写) 找到。";
}
if (preg_match('/^world$/m', $text_flags)) { // m 标志，多行模式，^ $ 匹配行首行尾
echo "'world' (多行模式) 找到。";
}
if (preg_match('//s', $text_flags)) { // s 标志，. 匹配换行符
echo "'' (s 标志) 找到。";
}
?>

三、性能、安全与多字节字符串考量

3.1 性能选择

对于简单的子字符串查找，如判断是否存在、获取位置，`strpos()`、`stripos()`、`str_contains()` 等基本字符串函数通常比正则表达式函数更快。因为它们是针对特定任务高度优化的底层C函数，不需要解析复杂的正则表达式模式。
只有当你的匹配需求涉及到复杂的模式、捕获组、不定长度的匹配、前瞻/后瞻等特性时，才应该考虑使用正则表达式。

3.2 安全问题：正则表达式拒绝服务 (ReDoS)

复杂的正则表达式有时可能导致“正则表达式拒绝服务”（ReDoS）攻击。当一个正则表达式模式中包含某些交叠的、量词修饰的结构，并且输入字符串构造巧妙时，匹配引擎可能会进入指数级的回溯，消耗大量的CPU资源，导致服务器响应缓慢甚至崩溃。例如 `(a+)+b` 或 `(a|aa)+b` 这样的模式。

在处理用户提供的正则表达式或对不受信任的输入使用复杂正则表达式时，需要特别警惕。尽量简化正则表达式，避免使用不必要的嵌套量词和回溯。

3.3 多字节字符串 (UTF-8) 处理

PHP的许多内置字符串函数（如 `strpos()`, `substr()`）默认是按字节处理字符串的。这意味着当处理UTF-8等多字节编码的字符串时，它们可能会产生不正确的结果。例如，一个中文字符可能占用3个字节，`strlen()` 会返回字节数而不是字符数。

对于多字节字符串，PHP提供了 `mbstring` 扩展，其中包含与标准字符串函数对应的 `mb_` 前缀函数：
`mb_strpos()` / `mb_stripos()`：多字节字符串查找位置
`mb_strstr()` / `mb_stristr()`：多字节字符串查找子串
`mb_substr()`：多字节子字符串提取
`mb_strlen()`：多字节字符串长度
`mb_str_contains()` (PHP 8.0+)：多字节字符串是否包含子串
`mb_str_starts_with()` (PHP 8.0+)：多字节字符串是否以子串开头
`mb_str_ends_with()` (PHP 8.0+)：多字节字符串是否以子串结尾

对于正则表达式，PCRE 函数本身支持UTF-8，但你必须在正则表达式模式中添加 `u` 标志 (PCRE_UTF8) 才能确保其正确识别多字节字符。<?php
$multibyte_text = "你好世界，PHP 是最好的！";
$needle_mb = "世界";
// 使用 strpos() 可能存在问题 (尽管在某些PHP版本和配置下可能侥幸正确)
$pos_byte = strpos($multibyte_text, $needle_mb);
echo "strpos() 字节位置: " . ($pos_byte !== false ? $pos_byte : "未找到") . ""; // 可能输出不符合预期的字节位置，而非字符位置
// 正确的多字节字符串查找
$pos_mb = mb_strpos($multibyte_text, $needle_mb, 0, 'UTF-8');
echo "mb_strpos() 字符位置: " . ($pos_mb !== false ? $pos_mb : "未找到") . ""; // 输出: 2 (代表第三个字符)
// 正则表达式中的 u 标志
if (preg_match('/你好世界/u', $multibyte_text)) {
echo "preg_match() (带 u 标志) 找到多字节字符串。";
} else {
echo "preg_match() (带 u 标志) 未找到。";
}
if (preg_match('/你好世界/', $multibyte_text)) { // 不带 u 标志，可能行为异常或匹配失败
echo "preg_match() (不带 u 标志) 找到多字节字符串 (可能不稳定)。";
} else {
echo "preg_match() (不带 u 标志) 未找到 (更常见)。";
}
?>

为了保证多字节字符串处理的正确性，始终建议使用 `mb_` 函数，并在正则表达式中添加 `u` 标志。

四、选择合适的工具：何时用何种匹配方法？

掌握了多种匹配方法后，关键在于根据具体需求选择最合适的工具：
判断字符串是否包含另一个子字符串：

PHP 8.0+：使用 `str_contains($haystack, $needle)`，最简洁直观。
PHP < 8.0：使用 `strpos($haystack, $needle) !== false`。
处理多字节字符串：使用 `mb_str_contains()` (PHP 8.0+) 或 `mb_strpos($haystack, $needle) !== false`。

查找子字符串的起始位置：

区分大小写：`strpos()`。
不区分大小写：`stripos()`。
处理多字节字符串：`mb_strpos()` 或 `mb_stripos()`。

提取子字符串之后的内容：

区分大小写：`strstr()`。
不区分大小写：`stristr()`。
处理多字节字符串：`mb_strstr()` 或 `mb_stristr()`。

判断字符串是否以特定子字符串开头/结尾：

PHP 8.0+：`str_starts_with()` / `str_ends_with()`。
PHP < 8.0：使用 `substr()` 结合 `strcmp()` 或 `strncmp()` 实现。
处理多字节字符串：`mb_str_starts_with()` / `mb_str_ends_with()` (PHP 8.0+) 或 `mb_substr()`。

计算子字符串出现次数：

非重叠计数：`substr_count()`。
重叠计数或复杂模式计数：`preg_match_all()`。

需要复杂模式匹配、数据提取或替换：

单一匹配或提取：`preg_match()`。
所有匹配或提取：`preg_match_all()`。
基于模式的替换：`preg_replace()`。
基于模式的分割：`preg_split()`。
处理多字节字符串：务必在正则表达式中添加 `u` 标志。