php - PHP Preg 引擎中的错误：环顾 Unicode 问题

Question

为什么要遵循js码字：

"آرد@".replace(/(?=.)/g,'!'); // returns: ""!آ!ر!د""

但它的 php 等效返回'!�!�!�!�!�!�'？

preg_replace('/(?=.)/u', '!', 'آرد'); //returns '!�!�!�!�!�!�'

这仅适用于 4.3.5 - 5.0.5、5.1.1 - 5.1.6 版本。

见：http: //3v4l.org/jrV0W

Answer 1

如果您只是添加/u修饰符，则该模式应该被视为utf-8. 第二个示例有效，因为：

1. 从 PHP 5.1 开始，您可以使用\p{L}可以翻译为：“是来自任何语言的任何类型的字母”。
2. 除了标准符号之外，\p{L}、Java、Perl、PCRE 和现在的PHP都允许您使用简写\pL。速记仅适用于单字母 Unicode 属性。

---

更新：为什么preg_replace('/(?=.)/u', '!', 'آرد'); //returns '!�!�!�!�!�!�'??

正如@MarkFox 所说，原因是因为在它的上下文中preg_replace()假设每个字符一个字节，而您“RegExing”的字符是多字节的。这就是为什么您的替换输出具有您期望的双倍匹配，它匹配每个字符的每个字节（我推断为两个字节） -

无论您对文档编码做什么，都需要使用Unicode 字符属性才能使其正常工作。

那个奇怪的符号呢？

当您看到“内部带有问号的奇怪方形符号”（也称为替换字符）时，通常表明您有一个 80-FF (128-255) 范围内的字节并且系统正在尝试渲染它在UTF-8.

整个字节范围对于 中的单字节字符无效UTF-8，但在西方编码中都很常见，例如ISO-8859-1.

Answer 2

现在测试了一些字符串后，我认为 PREG 引擎中存在错误。前三行输出符合预期，但第四行出现故障。

<?php
echo preg_replace('/./'       , '#', 'آرد')   . PHP_EOL; //✓
echo preg_replace('/./u'      , '#', 'آرد')   . PHP_EOL; //✓
echo preg_replace('/(?=.)/'   , '#', 'آرد')   . PHP_EOL; //✓
echo preg_replace('/(?=.)/u'  , '#', 'آرد')   . PHP_EOL; //✗
echo preg_replace('/(?=\pL)/' , '#', 'آرد')   . PHP_EOL; //?
echo preg_replace('/(?=\pL)/u', '#', 'آرد')   . PHP_EOL; //?

输出：

######
###
#�#�#�#�#�#�
#�#�#�#�#�#�
#آ#ر#د
#آ#ر#د