Работа со строками в PHP: основные функции и приёмы

Строки — один из фундаментальных скалярных типов во многих языках программирования, включая PHP. Они представляют текстовые данные: от отдельных символов до целых документов.

Простейшая работа со строками связана с однобайтовым текстом. В таком случае один байт соответствует одному символу, и число байт равно числу символов. ASCII — наиболее распространённая кодировка для однобайтового текста. В core PHP есть много полезных функций для работы с такими строками.

Короткие определения

• ASCII: базовая 7/8-битная кодировка латиницы и служебных символов.
• Unicode: набор символов, охватывающий большинство письменностей мира.
• Кодировка: способ представления символов в байтах (например, UTF-8, ISO-8859-1).
• Многобайтовый символ: символ, представленный в кодировке более чем одним байтом (например, в UTF-8).

Как вывести содержимое строки

Если вы программировали на PHP, вы, вероятно, встречали echo. Это конструкция языка, а не функция. Поэтому её поведение немного необычно: хотя её можно писать похожим на вызов функции, это всё ещё не функция.

Обычно используют так:

echo "Hello, world";

Но можно и так:

echo("Hello, world");

Несмотря на скобки, это не функция, и её нельзя использовать как выражение с присваиванием:

$a = echo("Hello, world");
// Parse error: syntax error, unexpected 'echo' (T_ECHO)

Ещё есть print. Это тоже конструкция, но она возвращает значение (всегда 1). Поэтому присваивание сработает:

print "Hello, world";
$a = print("Hello, world");
echo $a; // 1

1. Вывод с помощью реальной функции

printf — настоящая функция. Она форматирует строку, заменяя спецпоследовательности, подобно функcii из языка C.

$username = "John";
$length = printf("Hello, %s", $username); // "Hello, John"
echo $length; // 11

printf возвращает длину сформированной строки. Это удобно, если нужно знать, сколько символов (байт) заняла строка в текущей кодировке.

2. Получение длины строки

Стандартный способ узнать длину строки в байтах — strlen. Для ASCII число байт равно числу символов.

$length = strlen("Hello, World");
echo $length; // 12

Важно: strlen возвращает число байт. Для многобайтовых кодировок (UTF-8) используйте mb_strlen.

3. Извлечение части строки

Частая задача — получить подстроку. В PHP для этого есть substr. Параметры: исходная строка, смещение (offset), длина результата.

$greeting = substr("Hello, World", 0, 5);
echo $greeting; // "Hello"

Отсчёт начинается с нуля. PHP позволяет указывать отрицательные значения для offset и length.

$greeting = substr("Hello, World", -5, 5);
echo $greeting; // "World"

$greeting = substr("Hello, World", 0, -6);
echo $greeting; // "Hello,"

Для многобайтовых строк используйте mb_substr.

4. Поиск внутри строки

Для поиска позиции подстроки используют strpos. Он возвращает позицию первого вхождения или false, если не найдено.

$pos = strpos("Hello, World", ",");
echo $pos; // 5

Важно учитывать тонкость: если подстрока находится в начале строки, strpos вернёт 0, что при нестрогом сравнении (==) воспринимается как false. Всегда проверяйте результат строго (===):

$pos = strpos("Hello", "H");
if ($pos === false) {
  echo "Не найдено";
} else {
  echo "Найдено в позиции $pos";
}

Можно комбинировать strpos и substr для более гибкой выделки.

$string = "Hello, World";
$pos = strpos($string, ",");
$first_part = substr($string, 0, $pos);
echo $first_part; // "Hello"

5. Изменение регистра

strtoupper и strtolower меняют регистр символов в ASCII-строках.

$original = "hello, WORLD";
$upper = strtoupper($original);
$lower = strtolower($original);
echo "$lower $upper"; // "hello, world HELLO, WORLD"

Для правильно работающего преобразования регистра в Unicode используйте mb_strtoupper и mb_strtolower с указанием кодировки.

6. Удаление пробельных символов

trim убирает ведущие и конечные пробелы, табы и переводы строки.

$trimmed = trim(" Hello, World ");
echo $trimmed; // "Hello, World"

Есть также ltrim и rtrim для одностороннего удаления.

7. Разбиение строки по разделителю

explode разделяет строку по разделителю и возвращает массив.

$sentence = "The quick brown fox jumps over the lazy dog";
$words = explode(" ", $sentence);

Результат:

[ "The", "quick", "brown", "fox", "jumps", "over", "the", "lazy", "dog" ]

Если разделитель не найден, explode вернёт массив из одного элемента — самой строки.

8. Разбиение на подстроки фиксированной длины

str_split делит строку на элементы заданной длины.

$parts = str_split("Hello, World", 6);

$parts:

[ "Hello,", " World" ]

Для многобайтового текста используйте mb_str_split (PHP 7.4+ в некоторых сборках или PHP 8.0+), либо реализуйте разбиение вручную с mb_substr в цикле.

9. Поиск и замена

str_replace заменяет все вхождения подстроки на другую строку.

$result = str_replace("o", "OO", "Hello, World");
echo $result; // "HellOO, WOOrld"

Для регистрозависимой и регулярной замены существует str_ireplace и preg_replace.

Когда стандартные функции не подойдут

Важно понимать ограничения однобайтовых функций:

• При работе с UTF-8 strlen вернёт байты, а не символы.
• substr и strpos могут разбивать многобайтовые символы посередине.
• strtoupper/strtolower не корректно работают с многобайтовыми буквами.

Если ваш проект работает с не-ASCII (русский, китайский, арабский и т. д.), базовые функции приведут к ошибкам или искажениям.

Альтернативный подход: mbstring и Intl

Для безопасной работы с Unicode используйте расширение mbstring и функции с префиксом mb_:

$len = mb_strlen("Привет, мир", 'UTF-8');
$part = mb_substr("Привет, мир", 0, 6, 'UTF-8');
$upper = mb_strtoupper("привет", 'UTF-8');

mbstring учитывает многобайтовые символы и возвращает длину в символах, а не в байтах. Также полезно использовать Normalizer из расширения intl для нормализации Unicode (NFC/NFD), особенно при сравнении пользовательских вводов.

Если mbstring не установлено, установите расширение через менеджер пакетов вашей ОС или включите его в php.ini.

Практическая методология при работе со строками

1. Определите ожидаемую кодировку (рекомендуется UTF-8).
2. Нормализуйте входящий текст (если нужно) с помощью Normalizer.
3. Валидация: проверяйте длину и допустимые символы до сохранения/использования.
4. Обработка: используйте mb_* функции для манипуляций с текстом.
5. Экранирование: заранее экранируйте строки под целевой контекст (htmlspecialchars для HTML, привязанные параметры для SQL).
6. Логируйте корректно: сохраняйте кодировку метаданных.

Чек-лист для разработчика, мейнтенера и ревьювера

• Разработчик:

  • Проверил кодировку входящих данных.
  • Использует mb_* для многобайтовых операций.
  • Не полагается на strlen для ограничения символов.
  • Экранирует вывод в HTML/JS/SQL.

• Мейнтенер:

  • Убедился, что mbstring включён и настроен в окружении.
  • Настроил логирование в UTF-8.
  • Обновил зависимости и провёл тесты с Unicode-данными.

• Ревьювер:

  • Проверил, используются ли строгие сравнения для strpos.
  • Проверил обработку ошибок и граничных случаев.
  • Проверил, нет ли функций, разрушающих многобайтовые символы.

Критерии приёмки

• Функции работают с ASCII и Unicode в тестах.
• Нет ошибок при обработке символов с диакритикой и символов эмодзи.
• Тесты покрывают случаи: пустая строка, очень длинная строка, строка только из пробелов, строка с побайт-ошибками.
• Логи и база хранят данные в UTF-8.

Безопасность и конфиденциальность

• Никогда не подставляйте необработанные строки пользователя в HTML без htmlspecialchars.
• Для SQL используйте подготовленные выражения, а не конкатенацию.
• Будьте осторожны при логировании конфиденциальных полей: телефон, email, персональные данные — маскируйте.

Важно: неправильное экранирование строк — частая причина XSS и SQL-инъекций.

Советы по отладки и тестированию

• Тестируйте функции на наборе строк: ASCII, русские символы, CJK, эмодзи.
• Проверяйте поведение функций с краевыми параметрами (offset равен длине строки, отрицательные значения, пустые строки).
• Используйте php -l для проверки синтаксиса и phpunit для функциональных тестов.

Примеры тест-кейсов:

• strlen и mb_strlen на одной и той же строке с UTF-8: ожидаемо разные значения.
• strpos для поиска в начале строки: должно возвращаться 0, и проверка должна быть === false.
• substr с отрицательной длиной: возвращает строку без указанных символов в конце.

Факты и ориентиры

• Встроенных строковых функций в PHP примерно сто. Это покрывает базовые операции, регулярки, кодировки и потоки.
• Рекомендуется хранить все текстовые данные в базе в кодировке UTF-8.
• mbstring — стандартное расширение для работы с многобайтовыми кодировками.

Когда это не работает: примеры ошибок и как их исправить

• Символы «ломаются» после substr: используйте mb_substr с ‘UTF-8’.
• strlen возвращает больше, чем ожидается: вы считали байты, а не символы — используйте mb_strlen.
• strpos возвращает 0 и вы считаете это false: замените сравнение на === false.

Короткая методичка по миграции на Unicode

1. Проверьте кодовую страницу базы данных и таблиц; смените на utf8mb4/utf8mb4_unicode_ci.
2. Убедитесь, что PHP и веб-сервер используют UTF-8 (заголовки Content-Type, meta charset).
3. Включите mbstring и установите mb_internal_encoding(‘UTF-8’).
4. Прогоните тесты: ввод/вывод, сортировка, поиск, длина.

Краткая цитата эксперта

“Всегда учитывайте кодировку при работе со строками — это сэкономит время и предотвратит ошибки.” — инженер по разработке ПО

Итог

Строки в PHP просты для базовых задач с ASCII. Но современное программирование почти всегда требует поддержки Unicode. Применяйте mbstring и нормализацию, контролируйте контекст вывода и используйте строгие проверки. Это снизит количество ошибок и упростит поддержку.

Важно: если вы работаете с текстом в вебе, всегда думайте о безопасности (XSS, SQL) и правильной кодировке данных.