PHP字符串底层将字符串视为带长度的字节序列，存储指针val和长度len，支持含\0的二进制数据；单字节函数按字节操作，多字节函数（如mb_strlen）需指定编码按字符处理，混用易导致截断或乱码。
PHP字符串底层实现的核心，是它把字符串当作带长度的字节序列来管理，而不是C语言那种以\0结尾的“空终止字符串”。
这意味着：
- 每个PHP字符串在内存中明确存有两样东西：指向字节数组的指针
char *val，以及独立记录的长度int len； - 它天然支持包含
\0、控制字符、任意二进制数据，不会被意外截断； - 所有字符串操作（如
strlen,substr）都基于这个长度值，而非扫描到\0为止。
举个例子：
$str = "a\x00b"; var_dump(strlen($str)); // 输出 int(3)，不是2 —— 因为长度是显式存储的
PHP中二进制字符串与Unicode字符串的本质区别
关键不在“字符串类型”，而在于如何解释字节序列。
立即学习“PHP免费学习笔记（深入）”；
-
二进制字符串：就是原始字节流，不预设任何字符含义。比如
pack("H*", "c3b1")得到的两个字节0xc3 0xb1，本身只是数值，没说是字符还是图像头； -
Unicode字符串（如UTF-8编码）：是按特定规则把Unicode码点映射成字节序列的结果。例如字符
ñ（U+00F1）在UTF-8中恰好编码为0xc3 0xb1—— 同样的两个字节，加上“这是UTF-8”的上下文，才具备语义。
所以差异本质是：
- 二进制字符串关注字节内容和长度；
- Unicode字符串关注字符意义和编码规则。
单字节函数 vs 多字节函数：为什么不能混用？
PHP默认的字符串函数（strlen, substr, strpos 等）全部按字节操作：
-
strlen("中国")返回6（UTF-8下每个汉字占3字节）； -
substr("中国", 0, 4)截出"中"—— 第4个字节落在第二个汉字中间，破坏了UTF-8编码结构。
而 mb_* 函数（需启用 mbstring 扩展）会：
- 先识别编码（如
'UTF-8'）； - 再按字符单位解析字节流，跳过多字节字符边界；
-
mb_strlen("中国", 'UTF-8')返回2； -
mb_substr("中国", 0, 1, 'UTF-8')正确返回"中"。
实际开发中要注意什么？
- ✅ 存储/传输时，字符串就是字节流 —— 用
file_get_contents()读图片、用pack()构造协议包，都依赖其二进制安全特性； - ✅ 显示或处理文本时，必须明确指定编码，并优先使用
mb_*函数； - ✅ 接收用户输入（如表单、URL参数）时，检查
mb_check_encoding($str, 'UTF-8')防止无效编码导致截断或漏洞； - ❌ 不要用
strlen判断中文昵称是否超长，也不要用strpos查找emoji（可能跨4字节）； - ❌ 不要在未声明编码的情况下调用
mb_internal_encoding()，否则mb_*函数行为不可控。
不复杂但容易忽略。
