PHP 字符串中特定字符计数：深度解析、多字节安全与性能优化60

在 PHP 编程中，处理字符串是日常任务的核心。无论是数据清洗、文本分析、表单验证还是日志解析，我们经常需要了解字符串的构成。其中一个常见的需求就是统计一个字符串中某个特定字符（或子字符串）出现的次数。例如，我们需要统计一段文章中有多少个逗号，一个 URL 中有多少个斜杠，或者一个用户输入中包含多少个感叹号。

然而，PHP 字符串处理的复杂性并不仅仅在于函数本身，更在于其对字符编码（尤其是多字节字符，如 UTF-8 中的汉字、表情符号等）的处理方式。不正确地处理编码问题，可能会导致统计结果不准确，甚至出现乱码。

本文将作为一名专业的程序员，深入探讨在 PHP 中如何精准、高效且安全地统计字符串中指定字符的个数。我们将覆盖从最基础的单字节字符计数到复杂的多字节字符处理，并对各种方法进行性能和适用性分析。

一、基础方法：substr_count()——单字节字符的利器

当我们要统计的字符是单字节字符（例如 ASCII 字符，如英文、数字、标点符号）时，PHP 提供了一个非常直接且高效的函数：substr_count()。

1.1 substr_count() 简介与用法

substr_count() 函数用于计算字符串中子字符串出现的次数。尽管它的名字是 "substr_count"（子字符串计数），但它完全可以用来统计单个字符的出现次数，因为单个字符也可以被视为一个长度为 1 的子字符串。

函数签名：int substr_count ( string $haystack , string $needle [, int $offset = 0 [, int $length ]] )

$haystack: 在其中进行搜索的字符串。
$needle: 要搜索的子字符串（或字符）。
$offset (可选): 开始搜索的偏移量。
$length (可选): 从偏移量开始搜索的长度。

该函数返回 $needle 在 $haystack 中出现的次数。

1.2 示例：统计英文字符

<?php
$text = "Hello, world! How are you, world?";
$count_o = substr_count($text, "o");
$count_world = substr_count($text, "world");
$count_comma = substr_count($text, ",");
echo "<p>字符串: <b>" . htmlspecialchars($text) . "</b></p>";
echo "<p>字符 'o' 出现的次数: " . $count_o . "</p>"; // 输出 4 (Hello, world!, you, world?)
echo "<p>子字符串 'world' 出现的次数: " . $count_world . "</p>"; // 输出 2
echo "<p>字符 ',' 出现的次数: " . $count_comma . "</p>"; // 输出 2
// 带有偏移量和长度的示例
$partial_text = "banana";
$count_a_partial = substr_count($partial_text, "a", 1, 4); // 在 "anan" 中搜索 'a'
echo "<p>字符串 '<b>banana</b>' 中，从索引1开始，长度为4的子字符串中 'a' 出现的次数: " . $count_a_partial . "</p>"; // 输出 2
?>

1.3 substr_count() 的局限性：多字节字符问题

substr_count() 在底层是基于字节进行计数的。对于单字节编码（如 Latin-1），一个字符就是一个字节，所以它工作正常。然而，对于多字节编码（如 UTF-8），一个字符可能由多个字节组成（例如，一个汉字在 UTF-8 编码下通常占用 3 个字节）。

这意味着，如果 $needle 是一个多字节字符，或者 $haystack 包含多字节字符，substr_count() 的结果将是不可靠的，因为它可能会错误地匹配字符的片段，或者无法正确识别完整的字符。<?php
$utf8_text = "你好世界，Hello World！";
$char_ni = "你"; // 这是一个多字节字符
// 尝试使用 substr_count 统计汉字
$count_ni = substr_count($utf8_text, $char_ni);
echo "<p>字符串: <b>" . htmlspecialchars($utf8_text) . "</b></p>";
echo "<p>使用 substr_count 统计 '你' 出现的次数: " . $count_ni . "</p>"; // 可能会输出 0 或其他不正确的值，取决于 PHP 版本和内部编码配置
?>

在上面的例子中，substr_count() 很可能无法正确统计出 "你" 字的出现次数，甚至可能返回 0，因为它不理解 UTF-8 字符的边界。这引出了对多字节字符处理的需求。

二、多字节字符安全计数：mb_substr_count() 与正则表达式

为了解决 substr_count() 在多字节字符环境下的问题，PHP 提供了多字节字符串函数（mbstring 扩展）和强大的正则表达式。

2.1 推荐方案：mb_substr_count()

mb_substr_count() 是 substr_count() 的多字节版本。它能够正确地处理 UTF-8、GBK 等多字节编码的字符串，因为它在计数时会考虑字符编码。

2.1.1 mb_substr_count() 简介与用法

函数签名：int mb_substr_count ( string $haystack , string $needle [, string $encoding = mb_internal_encoding() ] )

$haystack: 在其中进行搜索的字符串。
$needle: 要搜索的子字符串（或字符）。
$encoding (可选): 要使用的字符编码。如果省略，则使用内部字符编码设置 (mb_internal_encoding())。

该函数返回 $needle 在 $haystack 中出现的次数。

注意：使用 mb_substr_count() 需要在 PHP 配置中启用 mbstring 扩展。大多数现代 PHP 环境都默认启用了此扩展。

2.1.2 示例：统计多字节字符

<?php
// 确保 mbstring 扩展已启用
if (extension_loaded('mbstring')) {
// 设置内部编码，确保所有 mb_ 函数都以 UTF-8 工作
mb_internal_encoding("UTF-8");
$utf8_text = "你好世界，Hello World！你好！";
$char_ni = "你";
$char_exclamation = "！"; // 全角感叹号
$count_ni_mb = mb_substr_count($utf8_text, $char_ni);
$count_exclamation_mb = mb_substr_count($utf8_text, $char_exclamation);
$count_world_mb = mb_substr_count($utf8_text, "World"); // 英文子串也可以
echo "<p>字符串: <b>" . htmlspecialchars($utf8_text) . "</b></p>";
echo "<p>使用 mb_substr_count 统计 '你' 出现的次数: " . $count_ni_mb . "</p>"; // 输出 2
echo "<p>使用 mb_substr_count 统计 '！' 出现的次数: " . $count_exclamation_mb . "</p>"; // 输出 2
echo "<p>使用 mb_substr_count 统计 'World' 出现的次数: " . $count_world_mb . "</p>"; // 输出 1
} else {
echo "<p>错误：mbstring 扩展未启用。</p>";
}
?>

正如你所见，mb_substr_count() 能够正确地处理多字节字符，这是在处理非 ASCII 字符（如中文、日文、韩文、表情符号等）时首选的方法。

2.2 灵活强大的选择：正则表达式 preg_match_all()

当需求变得更加复杂，例如需要进行不区分大小写的匹配、匹配特定模式的字符（如所有数字、所有字母）、或者在没有 mbstring 扩展的情况下处理多字节字符时，正则表达式是另一个非常强大的工具。

2.2.1 preg_match_all() 简介与用法

preg_match_all() 函数用于执行一个全局正则表达式匹配。它可以找到所有匹配模式的出现，并把它们放入一个数组中。然后，我们可以通过统计这个数组的元素数量来得到匹配次数。

函数签名：int preg_match_all ( string $pattern , string $subject , array &$matches [, int $flags = 0 [, int $offset = 0 ]] )

$pattern: 要搜索的正则表达式。
$subject: 输入字符串。
$matches: 一个多维数组，包含所有匹配的结果。
$flags (可选): 各种匹配标志，如 PREG_OFFSET_CAPTURE。
$offset (可选): 搜索开始的偏移量。

该函数返回找到的完整匹配（可能为 0）的次数，如果发生错误则返回 FALSE。

关键点：
1. 对于多字节字符，我们需要在正则表达式模式后添加 u 修正符 (Unicode)，这会告诉 PCRE 引擎将模式和主体字符串作为 UTF-8 编码的 Unicode 字符序列对待。
2. $matches 数组的第一个元素（即 $matches[0]）将包含所有完整匹配的字符串。

2.2.2 示例：正则表达式计数

<?php
$utf8_text = "你好世界，Hello World！你好！";
// 统计 '你' 字符（多字节，需要 'u' 修正符）
preg_match_all('/你/u', $utf8_text, $matches_ni);
$count_ni_regex = count($matches_ni[0]);
echo "<p>字符串: <b>" . htmlspecialchars($utf8_text) . "</b></p>";
echo "<p>使用 preg_match_all 统计 '你' 出现的次数: " . $count_ni_regex . "</p>"; // 输出 2
// 统计全角感叹号 '！'
preg_match_all('/！/u', $utf8_text, $matches_exclamation);
$count_exclamation_regex = count($matches_exclamation[0]);
echo "<p>使用 preg_match_all 统计 '！' 出现的次数: " . $count_exclamation_regex . "</p>"; // 输出 2
// 统计所有字母字符（不区分大小写，需要 'i' 修正符）
$text_mixed = "Apple, Banana, cherry. Apple!";
preg_match_all('/[a-zA-Z]/i', $text_mixed, $matches_letters);
$count_letters_regex = count($matches_letters[0]);
echo "<p>字符串: <b>" . htmlspecialchars($text_mixed) . "</b></p>";
echo "<p>使用 preg_match_all 统计所有字母出现的次数 (不区分大小写): " . $count_letters_regex . "</p>"; // 输出 19
// 统计所有数字
$text_numbers = "订单号: 20230101-12345, 金额: 99.99";
preg_match_all('/\d/', $text_numbers, $matches_digits);
$count_digits_regex = count($matches_digits[0]);
echo "<p>字符串: <b>" . htmlspecialchars($text_numbers) . "</b></p>";
echo "<p>使用 preg_match_all 统计所有数字出现的次数: " . $count_digits_regex . "</p>"; // 输出 11
?>

preg_match_all() 的优势在于其极大的灵活性，可以匹配任何复杂的模式。然而，它的性能通常不如 substr_count() 或 mb_substr_count()，尤其是在简单的字符计数场景下。

三、其他方法与注意事项

3.1 通过替换和长度比较（不推荐）

一种间接的方法是利用 str_replace() 或 str_ireplace()（不区分大小写）替换掉所有目标字符，然后比较替换前后的字符串长度。这种方法对于统计单个字符来说，效率较低，并且对于多字节字符处理也比较麻烦。<?php
$text = "apple banana apple orange";
$char_to_count = "a";
// 原始长度
$original_len = strlen($text);
// 替换掉所有 'a'
$text_without_a = str_replace($char_to_count, "", $text);
// 替换后的长度
$replaced_len = strlen($text_without_a);
// 出现的次数 = (原始长度 - 替换后长度) / 字符长度 (这里是1)
$count_a_indirect = ($original_len - $replaced_len) / strlen($char_to_count);
echo "<p>字符串: <b>" . htmlspecialchars($text) . "</b></p>";
echo "<p>间接方法统计 'a' 出现的次数: " . $count_a_indirect . "</p>"; // 输出 5
?>

为何不推荐：

性能开销： 每次替换都会创建一个新的字符串副本，对于大字符串和多次替换操作，性能损耗较大。
多字节问题： 如果是多字节字符，你需要使用 mb_strlen() 和 mb_str_replace()，并且需要确保字符编码一致。这会使代码变得更加复杂，且仍然不如 mb_substr_count() 直观和高效。

通常情况下，这种方法只应在特定边缘场景或作为一种了解字符串操作的练习时考虑。

3.2 循环遍历（极少使用）

理论上，你可以手动遍历字符串中的每一个字符，然后检查它是否与目标字符匹配。对于单字节字符，可以使用 $string[$i] 访问。对于多字节字符，需要使用 mb_substr() 逐个提取字符。<?php
mb_internal_encoding("UTF-8");
$utf8_text = "你好世界，Hello World！你好！";
$char_ni = "你";
$count_manual = 0;
$len = mb_strlen($utf8_text);
for ($i = 0; $i < $len; $i++) {
$current_char = mb_substr($utf8_text, $i, 1);
if ($current_char === $char_ni) {
$count_manual++;
}
}
echo "<p>字符串: <b>" . htmlspecialchars($utf8_text) . "</b></p>";
echo "<p>手动循环统计 '你' 出现的次数: " . $count_manual . "</p>"; // 输出 2
?>

为何极少使用：

性能： 循环遍历通常比内置的 C 语言实现的函数慢得多。
复杂性： 代码量更大，可读性更差。

这种方法在学习字符串原理或需要非常细粒度的控制时可能有用，但在实际生产环境中，应优先考虑内置函数。

四、性能考量与最佳实践

选择哪种方法取决于你的具体需求和字符串特性。

处理单字节字符（纯英文、数字、ASCII 符号）：

首选 substr_count()。它是最快、最直接的方法。 // 最佳实践
$count = substr_count($ascii_string, $ascii_char);

处理多字节字符（中文、日文、韩文、表情符号等）：

首选 mb_substr_count()。它能够正确地识别字符边界并进行准确计数。确保 mbstring 扩展已启用，并设置好内部编码。 // 最佳实践
mb_internal_encoding("UTF-8");
$count = mb_substr_count($utf8_string, $utf8_char);

需要复杂模式匹配、不区分大小写匹配或 mbstring 扩展不可用：

使用 preg_match_all()。对于多字节字符，务必使用 u 修正符。虽然性能可能略逊于 mb_substr_count()，但其灵活性无与伦比。 // 最佳实践
preg_match_all('/你的模式/u', $string, $matches); // 'u' 修正符用于UTF-8
$count = count($matches[0]);

避免使用：

避免在生产代码中，尤其是在性能敏感的场景下，使用替换加长度比较（str_replace() + strlen()）或手动循环遍历的方法来统计字符。它们通常效率低下且容易出错。

4.1 编码一致性是关键

无论你选择哪种方法，确保字符串的编码一致性是至关重要的。PHP 的内部编码设置 (default_charset 或 mb_internal_encoding()) 应该与你实际处理的字符串编码相匹配。

例如，如果你的网页是 UTF-8 编码，数据库连接也是 UTF-8，那么 PHP 脚本也应该以 UTF-8 编码运行，并且 mb_internal_encoding("UTF-8") 应该被设置。

4.2 区分大小写

默认情况下，substr_count() 和 mb_substr_count() 是区分大小写的。如果你需要不区分大小写的计数，可以先将整个字符串转换为小写或大写（使用 strtolower()/strtoupper() 或 mb_strtolower()/mb_strtoupper()），然后再进行计数；或者使用 preg_match_all() 配合 i 修正符。<?php
$text_case = "Apple, apple, APPLE";
// 区分大小写
$count_apple_case_sensitive = substr_count($text_case, "apple"); // 输出 1
// 不区分大小写
$count_apple_case_insensitive = substr_count(strtolower($text_case), "apple"); // 输出 3
// 使用 mb_strtolower
mb_internal_encoding("UTF-8");
$utf8_text_case = "你好，世界，NiHao，世界";
$count_nih_mb = mb_substr_count(mb_strtolower($utf8_text_case), mb_strtolower("你好")); // 输出 2
// 使用正则表达式不区分大小写
preg_match_all('/apple/i', $text_case, $matches);
$count_apple_regex_insensitive = count($matches[0]); // 输出 3
?>

五、总结

在 PHP 中统计字符串中指定字符的个数，看起来是一个简单的任务，但深入其内部，字符编码的挑战不容忽视。对于简单的单字节字符计数，substr_count() 是你的首选。而对于日益普遍的多字节字符，mb_substr_count() 是最推荐的、兼顾效率与准确性的方案。

当需求上升到复杂的模式匹配，或者你希望在没有 mbstring 扩展的环境下工作时，preg_match_all() 结合其 Unicode (u) 修正符，提供了无与伦比的灵活性。作为专业的程序员，理解这些工具的原理、适用场景和潜在局限性，是编写健壮、高效 PHP 代码的关键。

始终牢记：了解你的数据编码，并选择与之一致的字符串处理函数，是避免字符统计陷阱的黄金法则。

2025-11-03

---

上一篇：PHP数据库API设计与实现：构建高效、安全的后端服务接口

下一篇：PHP高效数据库操作：循环、条件判断与最佳实践深度解析