glob() 是php批量匹配文件路径最直接方法，支持通配符、返回数组可直接遍历，但需注意工作目录、版本兼容性及递归标志。
用 glob() 批量匹配文件路径最直接
PHP 没有内置“批量清洗”概念，实际就是：遍历一批文件 → 读取内容 → 按规则修改 → 写回或另存。第一步卡住，往往是因为硬写循环拼路径，容易漏掉子目录或忽略隐藏文件。glob() 是最轻量、无依赖的起点，它原生支持通配符，且返回数组可直接 foreach。
常见错误是写成 glob('*.txt') 却没注意当前工作目录（getcwd()）不是你预期的目录；或者用 ** 时忘了加 GLOB_BRACE 或 PHP 版本低于 7.3（不支持递归）。
- 固定目录下清洗所有日志：
glob('/var/log/app/*.log') - 跨多级子目录（PHP ≥ 7.3）：
glob('/data/inbox/**/*.csv', GLOB_BRACE) - 避免匹配到备份文件：
glob('/tmp/data/*.json') + array_filter(glob('/tmp/data/*.json.*'), fn($f) => !str_ends_with($f, '.bak'))
清洗逻辑别直接 file_get_contents() 全读进内存
单个几百 MB 的日志或 CSV 文件，用 file_get_contents() 会触发 Fatal error: Allowed memory size exhausted。清洗不是重写，多数时候只需逐行处理 —— 尤其是去空行、删注释、替换敏感字段这类操作。
推荐用 fopen() + fgets() 流式读取，配合 file_put_contents(..., FILE_APPEND | LOCK_EX) 累积写入临时文件，最后原子化替换原文件。这样内存占用恒定在几 KB，10GB 文件也不崩。
- 跳过注释行（# 开头）：
if (ltrim($line)[0] !== '#') { fwrite($out, $line); } - 敏感词脱敏（如手机号）：
preg_replace('/1[3-9]\d{9}/', '1XXXXXXXXX', $line) - 避免覆盖原文件前崩溃：
rename($temp_file, $original_file)替代直接写原路径
mb_convert_encoding() 必须在清洗前统一编码
混合来源的文本文件（比如 Windows 传来的 GBK 日志、Mac 生成的 UTF-8 CSV、旧系统导出的 BIG5 表格），如果跳过编码检测直接 str_replace() 或正则，会出现乱码、匹配失败、甚至截断字符。PHP 的 mb_* 函数默认按 mb_internal_encoding() 解析，而该值常是 UTF-8，和文件实际编码冲突。
不要依赖 mb_detect_encoding() —— 它误判率高，尤其对短文本或纯 ASCII 内容。更可靠的是：明确约定输入编码（如全部转为 UTF-8），用 mb_convert_encoding($content, 'UTF-8', $detected) 显式转换，再清洗。
- 查文件真实编码（命令行辅助）：
file -i your_file.txt或iconv -l | grep -i gbk - 强制转 UTF-8（容错模式）：
mb_convert_encoding($line, 'UTF-8', 'GBK, BIG5, ASCII, UTF-8') - 清洗后保存时指定 BOM（如需兼容 Excel）：
file_put_contents($path, "\xEF\xBB\xBF" . $cleaned_content)
大文件清洗后校验行数和哈希值防静默损坏
批量清洗脚本跑完没报错，不代表结果正确。常见静默问题：某行因正则边界错误被截断、BOM 插入位置错乱导致首行偏移、换行符从 \n 变成 \r\n 导致后续解析失败。人工抽查不可靠，必须自动化校验。
核心是两件事：行数是否守恒（除非明确删除整行），以及关键字段哈希是否一致（如清洗前后每行 MD5 值变化应符合预期）。不要等上线才发现数据少了一半。
- 快速比对行数：
count(file($original)) === count(file($cleaned))（小文件可用；大文件改用exec('wc -l ' . escapeshellarg($file), $out);） - 抽样校验内容一致性（跳过已知变动字段）：
md5(substr($line, 0, 20) . substr($line, -20)) - 记录清洗摘要到日志：
file_put_contents('clean.log', date('Y-m-d H:i:s') . " {$file}: {$lines_before}→{$lines_after}\n", FILE_APPEND)
清洗不是越快越好，而是改得准、留得住痕迹、出错能回滚。临时文件命名带时间戳、原文件先 copy() 备份、每步加 is_writable() 检查 —— 这些琐碎动作，比写个炫酷正则重要得多。
php免费学习视频：立即使用
踏上前端学习之旅，开启通往精通之路！从前端基础到项目实战，循序渐进，一步一个脚印，迈向巅峰！
