1. 基础概念与字符串长度定义
1.1 字符编码与长度的关系
核心要点：在 PHP 中，strlen 返回的是字符串的字节长度，而 mb_strlen 返回的是字符数量。当文本包含多字节字符（如中文、表情符号、日文等）时，二者往往不一致，因此需要清晰区分“字节长度”与“字符长度”这两个概念。
在实际场景中，如果文本全部采用单字节编码（例如纯 ASCII），strlen与 mb_strlen 的结果会相同。但当遇到 UTF-8 等变长编码时，字节与字符的映射关系变得复杂，直接使用 strlen 统计“字符数”很容易产生误解。理解这一点是进行字符串长度与字数统计的基础。
1.2 常见误区与场景定位
常见误区之一是把字符长度直接等同于字节长度，尤其在处理用户输入、数据库存储和界面显示时，错误的长度计算会导致截断、错位或显示错乱。
场景定位的关键在于区分用途：需要缓存固定长度的文本时考虑字节长度；需要逐字处理或逐字符显示时，优先使用字符长度（mb_strlen）。此外，若文本来源不固定（混合语言、表情、特殊符号），应明确采用何种编码环境（通常是 UTF-8）。
2. strlen与mb_strlen：对比与选型
2.1 strlen的字节长度与适用场景
字节长度的统计速度通常很快，因为 strlen 直接返回存储在字符串头部的长度信息，适用于单字节编码或仅需字节级计数的场景。若文本全为 ASCII，strlen 就是字符数的等价物。
在表单校验、固定字节长度字段占位符、二进制数据处理等场景中，strlen 的性能优势尤为明显。避免在多字节文本上误用 strlen，否则会造成长度错位和数据错乱。
2.2 mb_strlen的字符长度与编码要求
mb_strlen 是统计字符数量的专业工具，它能正确处理多字节字符。但前提是环境中正确加载 mbstring 扩展，并指定正确的编码（通常使用 UTF-8）。
当需要界面排版、字符对齐、逐字符遍历等需求时，mb_strlen 提供的字符长度是更安全的选择。优先考虑使用 mb_strlen($text, 'UTF-8')，除非你确实只需要字节长度。
3. 正则实战：从字数统计到跨语言文本
3.1 使用正则统计英文与数字词
当文本包含英文字母和数字时，简单的字符计数往往不够直观。正则表达式可以用来提取单词或数字序列，再统计数量。
一种常见做法是用 preg_match_all 配合边界类来抓取单词，然后计数。对于英文文本，匹配较为可靠，但对中文则需要更复杂的模式。
3.2 统计中文或混合文本的词数与分词思路
中文文本的“词”概念比英文复杂，单纯的分词需要语言学知识与分词工具。在统计数量时，常见做法是把连续的中文字符作为一个词单元，结合英文与数字的组合来进行聚合统计。
一种简便的思路是使用 Unicode 属性来匹配中英文与数字的组合，然后进行计数。注意替换正则时需要加入 u 修饰符以开启 UTF-8 处理。
3.3 与 str_word_count 的对比使用场景
PHP 提供了内置的 str_word_count 函数，用于统计英文单词数量并可返回分词结果。当文本以英文为主且不需要对非拉丁字符进行复杂处理时，str_word_count 具备较高的性能。
需要注意的是，对于中文文本，str_word_count 的结果往往不可靠，因为它默认基于拉丁字母的分词规则。因此，在混合语言环境下应结合正则或专门的分词库来统计词数。
4. 性能优化与实现要点
4.1 预估成本与实现策略
在大文本或高并发场景中，选择合适的统计方法比盲目追求精准更能提升性能。例如：对纯英文文本直接使用 strlen，对多字节文本优先使用 mb_strlen，对跨语言文本使用一次性正则提取后再进行统计。
避免在循环中重复执行耗时操作，将长度计算放在文本准备阶段，并将结果缓存起来，直到文本发生变化再重新计算。
4.2 代码示例：对比基准测试与缓存思路
下面的示例演示两点：一是不同方法的耗时对比，二是通过一次性计算并缓存结果来降低重复计算的成本。
在真实应用中，可以将缓存放在请求级别、长文本缓存或应用级缓存中，以减少重复计算。
4.3 正则模式与缓存的实战要点
在使用正则进行字数统计时，尽可能复用已编译的模式，避免在循环中重复构建模式字符串。对于较长文本，优先使用带有 UTF-8 修饰符的模式，并考虑把常用模式放在缓存中（如 APCu、OPcache 缓存策略）。
此外，针对特定语言的字数统计可选择专门的分词工具或库来提升准确性与效率，例如在中文大文本处理中结合轻量级分词方案与正则提取的组合策略。
