PHP 字符串处理性能调优：多字节安全的正确姿势

多字节安全的性能问题，九成不是 mb_* 函数本身慢，而是选错了工具、在热路径上做逐字符循环。正确姿势可以一句话概括：字符计数与截断用 mb_*，模式匹配用带 /u 的 PCRE，纯 ASCII 快路径才回落 strlen/substr，并且输入先做一次 UTF-8 合法性校验。

先把字符串函数分三类，选错比选慢更致命

结论：PHP 的字符串函数按"字节视角—字符视角—模式视角"分三派，混用会同时踩正确性和性能两个坑。

第一派是字节函数：strlen、substr、strpos、strtolower。它们按字节工作，对 UTF-8 中文，strlen("中文") 返回 6 而不是 2，substr 截到第 3 个字节就是一个乱码半字。第二派是多字节函数 mb_strlen、mb_substr、mb_strpos、mb_strtolower，按字符工作。第三派是正则 preg_*，加 /u 修饰符后进入 PCRE 的 UTF-8 模式，按码点匹配。

很多人以为 mb_* 比 str* 慢很多，于是用 strlen 判断字数、用 substr 截标题——这换来的是实打实的乱码 bug，而 mb_* 的额外开销通常只是"确定编码 + 走一遍字符边界"的常数成本，在非极端热路径上完全可以忽略。

最大的性能坑：循环里逐字符拼接

结论：需要逐字处理时，一次性 mb_str_split 或 preg_split('//u') 拆成数组，绝不要用 for 循环套 mb_substr($s, $i, 1) 累加。

后者每轮都要从字符串头部重新扫描定位，字符串越长越慢，整体接近 O(n²)；而且每轮产生一个临时小字符串，交给 PHP 的写时复制（COW，即修改时才真正复制一份内存）与内存管理器，长文本下开销肉眼可见。

正确写法是 `mb_str_split($s, 1, 'UTF-8')`（PHP 7.4+ 可用，正好覆盖 Clara BBS 要求的 7.4-8.5 区间），或者 `preg_split('//u', $s, -1, PREG_SPLIT_NO_EMPTY)`，一次拿到数组后再遍历，复杂度线性。

另一个反例是摘要截断：`mb_substr($s, 0, 300)` 一次调用就够了。论坛里"未购者读前 300 字预览""长文折叠""标题超长截断"这类场景，本质都是单次截断，写成循环纯属自找。

正则 /u 与 mb_* 怎么选

结论：涉及"找位置、替换、拆词"的复杂规则，用带 /u 的 preg_* 通常比一串 mb_ 函数组合更快也更清晰；单纯的长度、截取、大小写转换，用 mb_*。

PCRE 的 UTF-8 模式在引擎内部一次编译、单次扫描完成匹配，比"mb_strpos 找位置 → mb_substr 切 → 再拼回去"这种多趟往返便宜。例如敏感词过滤、@提及解析、话题标签抽取，都应该用 `/…/u` 而不是 mb_ 手写扫描。

注意点有两个：一是 /u 遇到非法 UTF-8 字节序列会直接返回 false 而不是正常失败，所以务必先校验；二是 `preg_match('//u', $s)` 是社区常用的 UTF-8 合法性探测写法，比 mb_check_encoding 更轻，建议在接收用户输入的入口处统一跑一次，脏数据提前拒绝。

编码显式传参，别让引擎替你猜

结论：mb_* 函数省略编码参数时会去读内部编码状态，热路径上显式传 'UTF-8' 更稳也更快。

`mb_strlen($s, 'UTF-8')` 比 `mb_strlen($s)` 少一次内部推导；同时避免在循环里反复调用 mb_internal_encoding 切换全局状态——那是全局副作用，一旦请求中途改了没改回来，后面的字符串全部按错编码解读。

还有个容易被忽视的细节：PHP 字符串是写时复制，substr/mb_substr 都会生成新字符串，所以大文本处理要尽量"一次算完结果"，而不是切十段再拼回去。

落地检查清单与实测方法

结论：调优前先用 microtime 跑 10 万次基准，别凭感觉改代码。

清单：① 确认运行环境已启用 mbstring 扩展（宝塔等面板在 PHP 扩展页勾选即可，无需 Composer）；② 入口处统一 `preg_match('//u', $s)` 校验编码；③ 字数、截断、大小写一律 mb_*；④ 模式匹配一律 /u；⑤ 逐字处理改数组；⑥ 显式传编码。

实测模板：`$t = microtime(true); for ($i=0;$i<100000;$i++){ mb_substr($s,0,300,'UTF-8'); } echo microtime(true)-$t;` 把候选写法和替代写法各跑一遍，数据说话。绝大多数情况下你会发现，改掉循环拼接带来的收益，远大于在 mb_ 与 str_ 之间抠那几个百分点的差别。

一句话收束：多字节安全的第一原则是别用字节函数处理中文，第二原则是别在循环里做字符级操作；把这两条守住，性能自然就上来了。