php - PHP的错误？特殊字母错误

Question

我有这个代码：

$reg = "^[a-zA-ZáčďéíľňóřťšúůýžÁČĎÉÍĽŇÓŘŤŠÚŮÝŽ]{3,20}$"; // At least 3

$string = "šš"; // Only 2 letters

echo preg_match("+".$reg."+", $string);

'š' 是捷克共和国的特殊字母。

它与 1 相呼应。为什么？这是PHP的错误吗？

Answer 1

使用u修饰符。这将形成一个PCRE_UTF8兼容的匹配。

echo preg_match("+" . $pattern . "+u", $string);

这将返回0两个字符串，但如果有 3 个字符，则返回 1。

文档没有解释原因，我在 PCRE_UTF8 上找不到任何简单解释的东西。如果我不得不冒险猜测，那将是{}默认情况下适用于字节，但u启用了字符。

Answer 2

查看手册，尤其是函数签名：

int preg_match ( string $pattern , string $subject [, array &$matches [, int $flags = 0 [, int $offset = 0 ]]] )

它返回一个 int，0 表示未找到匹配项，1 表示找到匹配项。如果您想要将这些匹配项分配给变量，则必须传递第三个参数：

if (preg_match($pattern, $string, $matches))
{//if it returns 1, preg_match is true
    var_dump($matches);
}

再加上您匹配的是非 ASCII 字符，也有一个特殊的手册页，您可能会发现它匹配 2 个字符，而不是 3 个。所以你必须求助于那些特殊字符的unicode。š例如，m 与 匹配/\u0160/。
有关 regex + unicode 的更多信息可以在这里获得
Unicode 字符“更宽”（它们占用更多字节），但是有一个 utf8 兼容的修饰符u：：

var_dump(preg_match('+'. $pattern . '+u', $string, $matches));
var_dump($matches);

话虽如此：我环顾四周，因为 PCRE 提供脚本名称来匹配整个 unicode 字母表。快速浏览一下 wiki，以及其他一些来源告诉我，也许：

/\p{Cyrillic}/

可能有效，但西里尔字母并不完全相同，无论如何，在本页底部，您可以找到一个包含捷克字母表的所有 unicode 代码的表格。

你不能为此责怪 PHP ;-) 顺便说一句，把
一个模式串在一起很好，但是有一个更安全的方法：使用preg_quote函数：

string preg_quote ( string $str [, string $delimiter = NULL ] )

在你的情况下：

$pattern = preg_quote($reg, '+');

Answer 3

这取决于特殊字符的编码方式。如果您的 php 文件以单字节编码存储，它应该可以工作，但如果您使用的是 utf-8，则不能。如果您的 php 文件是 utf-8，则特殊字符实际上是几个字节。它们中的每一个都是要在字符类中匹配的有效字节。这同样适用于 $string 它。尝试：

var_dump(strlen("šš")); // should output int(4) 

修饰符u激活 PCRE 模式的 unicode/utf-8 模式并改变行为。

$reg = "^[a-zA-ZáčďéíľňóřťšúůýžÁČĎÉÍĽŇÓŘŤŠÚŮÝŽ]{3,20}$";
$string = "šš";    
echo preg_match("(".$reg.")u", $string);

这也允许一些其他功能。

$reg = "(^\\pL{3,20}$)u"; 
var_dump(preg_match($reg, "šš"));
var_dump(preg_match($reg, "šššš"));

\pL是 unicode 字符属性“字母”的缩写。您可以查看PHP 手册以获取更多可能性。