php - PHP preg_functions 多字节安全吗？

Question

PHP 中没有可用的多字节“preg”函数，这是否意味着默认的 preg_functions 都是 mb 安全的？在 php 文档中找不到任何提及。

Answer 1

pcre 开箱即用支持 utf8，请参阅“u”修饰符的文档。

插图（\xC3\xA4 是德语字母“ä”的 utf8 编码）

  echo preg_replace('~\w~', '@', "a\xC3\xA4b");

这与 "@@¤@" 相呼应，因为 "\xC3" 和 "\xA4" 被视为不同的符号

  echo preg_replace('~\w~u', '@', "a\xC3\xA4b");

（注意 'u'）打印 "@@@" 因为 "\xC3\xA4" 被视为单个字母。

Answer 2

PCRE 可以支持 UTF-8 和其他 Unicode 编码，但必须在编译时指定。从PCRE 8.0 的手册页：

PCRE 的当前实现与 Perl 5.10 大致对应，包括对 UTF-8 编码字符串和 Unicode 通用类别属性的支持。但是，必须明确启用 UTF-8 和 Unicode 支持；它不是默认值。Unicode 表对应于 Unicode 版本 5.1。

PHP 目前使用PCRE 7.9；您的系统可能有旧版本。

查看PHP 5.2 附带的PCRE 库，它似乎已配置为支持 Unicode 属性和 UTF-8。5.3 分支也一样。

Answer 3

不，他们不是。例如，请参阅PHP中的 preg_match 和 UTF-8 问题。

Answer 4

不，您需要使用多字节字符串函数，例如mb_ereg

Answer 5

我的一些更复杂的 preg 函数：

(1a) 将用户名验证为字母数字 + 下划线：

preg_match('/^[A-Za-z][A-Za-z0-9]*(?:_[A-Za-z0-9]+)*$/',$username) 

(1b) 可能的 UTF 替代方案：

preg_match('/^[A-Za-z][A-Za-z0-9]*(?:_[A-Za-z0-9]+)*$/u',$username) 

(2a) 验证电子邮件：

preg_match("/^([a-z0-9\+_\-]+)(\.[a-z0-9\+_\-]+)*@([a-z0-9\-]+\.)+[a-z]{2,6}$/ix",$email))

(2b) 可能的 UTF 替代方案：

preg_match("/^([a-z0-9\+_\-]+)(\.[a-z0-9\+_\-]+)*@([a-z0-9\-]+\.)+[a-z]{2,6}$/ixu",$email))

(3a) 规范换行：

preg_replace("/(\n){2,}/","\n\n",$str);

(3b) 可能的 UTF 替代方案：

preg_replace("/(\n){2,}/u","\n\n",$str);

这些变化看起来好吗？