PHP无内置Markdown识别能力，需通过启发式规则扫描文本特征（如#标题、列表符号、链接语法）判断是否为Markdown，或使用解析器（如commonmark）构建AST提取结构化信息。
PHP 本身不内置 Markdown 格式识别能力，所谓“识别格式”，实际是指判断一段文本是否符合 Markdown 语法特征，或提取/验证其中特定结构（如标题、列表、链接等）是否存在。这不是类型检测（如 is_string()），而是基于规则的模式分析。
判断是否为 Markdown 文本：看典型语法痕迹
没有绝对可靠的“是/否”判定函数，但可通过检查常见 Markdown 元素快速做启发式判断：
- 出现以
#开头的行（注意空格）→ 很可能含标题 - 行首有
-、*、+或数字加.（如1.）→ 可能含列表 - 包含
或[text](link)→ 明确存在图片或链接语法 - 有连续三个反引号 ``
``` 或删除线` → 典型 Markdown 扩展语法 - 段落间有空行、
>开头的引用块、|构成的表格分隔线 → 进一步佐证
✅ 建议做法：写一个轻量函数，扫描前 20 行，匹配上述至少 2–3 类特征，即可合理认为“这段文本按 Markdown 编写”。
function looksLikeMarkdown($text) {
$lines = array_slice(explode("\n", $text), 0, 20);
$count = 0;
foreach ($lines as $line) {
if (preg_match('/^\s*#{1,6}\s+/', $line)) $count++;
if (preg_match('/^\s*[-+*]\s+/', $line) || preg_match('/^\s*\d+\.\s+/', $line)) $count++;
if (preg_match('/!\[.*?\]\(.*?\)|\[.*?\]\(.*?\)/', $line)) $count++;
if (preg_match('/^```/', $line) || preg_match('/~~.*?~~/', $line)) $count++;
if ($count >= 2) return true;
}
return false;
}真正“识别格式”的场景：解析结构而非猜类型
多数实际需求不是“它是不是 Markdown”，而是：
立即学习“PHP免费学习笔记（深入）”；
- “这段里有没有标题？第几个是 H2？”
- “提取所有外部链接地址”
- “把代码块里的 PHP 语法高亮出来”
- “表格对齐方式是左还是居中？”
这类任务必须借助 Markdown 解析器，而不是靠正则简单扫描：
-
cebe/markdown：轻量、易用，支持扩展语法（如表格、自动链接） -
league/commonmark：严格遵循 CommonMark 规范，适合需要标准兼容的场景 -
erusev/parsedown：性能快，社区使用广，但部分扩展需插件
它们会把原始文本构造成 AST（抽象语法树）或 HTML，你才能准确知道“哪部分是标题”“哪个是段落中的强调文本”。
例如用 commonmark 提取所有链接目标：
use League\CommonMark\Parser\MarkdownParser;
use League\CommonMark\Environment\Environment;
$env = new Environment();
$parser = new MarkdownParser($env);
$document = $parser->parse($text);
// 遍历 AST 查找 Link 节点
$links = [];
$iterator = new \RecursiveIteratorIterator(
new \League\CommonMark\Node\Iterator\DocumentIterator($document)
);
foreach ($iterator as $node) {
if ($node instanceof \League\CommonMark\Node\Inline\Link) {
$links[] = $node->getUrl();
}
}注意边界情况：别被假阳性误导
- 纯代码片段里出现
#include <stdio.h>或// #define DEBUG→ 不是 Markdown 标题 - 日志文件含
2026-08-17 #error: timeout→#后无空格，不算标题 - 用户输入的普通评论：“我买了 iPhone 15 #Pro Max”，这里的
#Pro是标签，不是语法
所以，格式识别必须结合上下文：是用户提交的文档？是配置文件注释？还是 API 返回的富文本字段？不同场景，可信阈值和校验重点都不同。
不需要强行归类，关键是明确你要做什么——想预览？想提取？想校验？想转换？目标清楚了，“识别”自然就有落点。
