PHP 字串擷取效能探討：避免正則、善用內建函式

前言

網頁採集、日誌分析、模板引擎常需從大型字串中擷取子字串。許多開發者直覺使用正則表達式（PCRE），但 PHP 內建字串函式（strpos、substr、explode、strstr）在單一/多重擷取任務上往往更快、記憶體佔用更低。本文實測多種演算法並給出最佳實務。

單一匹配擷取：三種寫法比較

<?php
// 目標：從 $str 中取出 $start 與 $end 之間的第一段內容

// 寫法 A：strstr + substr（推薦，最快）
function str_cut_a(string $str, string $start, string $end): string {
    $pos = strpos($str, $start);
    if ($pos === false) return '';
    $pos += strlen($start);
    $len = strpos($str, $end, $pos) - $pos;
    return $len >= 0 ? substr($str, $pos, $len) : '';
}

// 寫法 B：strpos + substr（次快）
function str_cut_b(string $str, string $start, string $end): string {
    $x = strpos($str, $start);
    if ($x === false) return '';
    $y = strpos($str, $end, $x + strlen($start));
    return $y !== false ? substr($str, $x + strlen($start), $y - $x - strlen($start)) : '';
}

// 寫法 C：explode 兩次（字串越大越慢）
function str_cut_c(string $str, string $start, string $end): string {
    $parts = explode($start, $str, 2);
    if (count($parts) < 2) return '';
    $parts2 = explode($end, $parts[1], 2);
    return $parts2[0];
}
?>

多重匹配擷取：三種寫法比較

<?php
// 目標：取出所有 $start 與 $end 之間的內容

// 寫法 A：循環 strstr（慢，重複掃描）
function str_cut_all_a(string $str, string $start, string $end): array {
    $res = [];
    while (($pos = strpos($str, $start)) !== false) {
        $str = substr($str, $pos + strlen($start));
        $len = strpos($str, $end);
        if ($len === false) break;
        $res[] = substr($str, 0, $len);
        $str = substr($str, $len + strlen($end));
    }
    return $res;
}

// 寫法 B：遞歸 strstr（最慢，函式呼叫開銷大）
function str_cut_all_b(string $str, string $start, string $end, array &$res = []): array {
    $pos = strpos($str, $start);
    if ($pos === false) return $res;
    $str = substr($str, $pos + strlen($start));
    $len = strpos($str, $end);
    if ($len === false) return $res;
    $res[] = substr($str, 0, $len);
    return str_cut_all_b(substr($str, $len + strlen($end)), $start, $end, $res);
}

// 寫法 C：explode 一次分割 + 循環（最快，記憶體友善）
function str_cut_all_c(string $str, string $start, string $end): array {
    $parts = explode($start, $str);
    $res = [];
    for ($i = 1, $n = count($parts); $i < $n; $i++) {
        $res[] = explode($end, $parts[$i], 2)[0];
    }
    return $res;
}

// 寫法 C 優化：預先 count 避免重複呼叫
function str_cut_all_d(string $str, string $start, string $end): array {
    $parts = explode($start, $str);
    $res = [];
    $count = count($parts);
    for ($i = 1; $i < $count; $i++) {
        $res[] = explode($end, $parts[$i], 2)[0];
    }
    return $res;
}
?>

效能測試結果（10MB HTML、1000 個目標標籤）

核心結論

1. 單一匹配：strpos() + substr() 最穩定、可讀性佳；strstr() 略快但語意較不明確。
2. 多重匹配：explode($start, $str) 一次分割，再循環 explode($end, $part, 2) 取第一段，速度碾壓正則與循環搜尋。
3. 關鍵在於演算法：避免在大字串上重複搜尋（strpos 循環）、避免遞歸、善用 explode 的「一次分割、多次取用」特性。
4. 正則表達式：功能強大但編譯與執行開銷大，僅在「模式複雜、無法用固定分隔符描述」時使用。

實務建議

• 採集固定結構頁面（如 `
  ...
  `）優先用 explode 系列。
• 需處理巢狀標籤、屬性值含引號等複雜情境，改用 DOMDocument + DOMXPath，雖比字串函式慢但正確性有保障。
• 大量資料採集建議使用 Swoole / ReactPHP 非同步並發 + 佇列，而非單執行緒循環。
• 字串函式處理二進位資料時需注意 mbstring.func_overload 設定，建議顯式使用 mb_* 版本。

結語

「不寫正則」不是教條，而是「用對工具」。固定分隔符的擷取任務，explode + 循環是速度與記憶體的雙贏選擇；複雜模式才交給 PCRE。理解底層演算法特性，才能寫出高效能的解析器。