PHP在preg_replace时崩溃

Question

我使用php.exe运行了以下脚本：

preg_replace('#(?:^[^\pL]*)|(?:[^\pL]*$)#u','',$string);

或其等效物：

preg_replace('#(?:^[^\pL]*|[^\pL]*$)#u','',$string);

如果 $string="S" 或者 $string=" ذذ "，它是可以正常工作的。但是，如果 string='ذ'，则会产生错误的输出�；而如果 string='ذذ'，则PHP会崩溃。

但是在4.4.0-4.4.9、5.0.5-5.1.6版本中，它可以正常工作。

问题出在哪里？

请参考： http://3v4l.org/T3rpV

<?php
$string='دد';
echo preg_replace('#(?:^[^\pL]*)|(?:[^\pL]*$)#u','',$string);

Output for 5.4.0 - 5.5.0alpha6

Process exited with code 139.

Output for 5.2.0 - 5.3.22, 5.5.0beta1

 

Output for 4.4.0 - 4.4.9, 5.0.5 - 5.1.6

دد 

Output for 4.3.11, 5.0.0 - 5.0.4

Warning: preg_replace(): Compilation failed: PCRE does not support \L, \l, \N, \P, \p, \U, \u, or \X at offset 7 in /in/T3rpV on line 3 

Output for 4.3.0 - 4.3.10

Warning: Compilation failed: PCRE does not support \L, \l, \N, \P, \p, \U, \u, or \X at offset 7 in /in/T3rpV on line 3

- Handsome Nerd

---

这里也会崩溃。PHP 5.4.7。 - Sverri M. Olsen

我可以确认，最新的beta版本PHP 5.5.0beta2（于3月28日发布）也会崩溃！ - ComFreek

@ComFreek 我的回答也会导致它崩溃吗？ - Ja͢ck

Answer 1

您可以使用替代的mb_ereg_replace()函数：

mb_internal_encoding("UTF-8");
mb_regex_encoding("UTF-8");
echo mb_ereg_replace('#(?:^[^\pL]*)|(?:[^\pL]*$)#u','',$string);

- user1646111

---

不，它不是你可以看到的。 - user1646111

你的正则表达式完全不同，而且与我的并不等价。请尝试：$string='.d.'。 - Handsome Nerd

正则表达式应该被重新格式化为POSIX语法。另外，我不确定它是否支持\pL。 - Handsome Nerd

Answer 2

也许这可以帮助你：

这些属性通常只有在使用"--enable-unicode-properties"编译PCRE时才可用。

http://docs.php.net/manual/en/regexp.reference.unicode.php#96479

- Alex QLerR

---

如果这些属性不可用，PHP将发出警告而不是崩溃。 - Ja͢ck

从我的经验来看，当\b（任何单词边界字符）与西里尔字母一起使用时，它会默默地不起作用，只是忽略它们，但与拉丁字母一起使用时则正常工作。我不得不使用像下面这样的怪物代码：$boundL = '(^|[-\s\.><,:;\!\?]+)';$boundR = '($|[-\s\.><,:;\!\?]+)'; - Alex QLerR

Answer 3

从表达式本身来看，有两个地方可以改进：

1. * 乘法因子并不是很有用; 为什么要用空字符串替换可能为空的匹配？实际上，在我的系统上运行此操作会从 preg_replace() 操作中返回 NULL。

2. 内存组可以合并在一起。

这是应用了两项改进后的代码:

$string = 'ﺫﺫ';
var_dump(preg_replace('#(?:^[^\pL]+|[^\pL]+$)#u', '', $string));
// string(4) "ﺫﺫ"

3v4l结果

如果你只是想要一个多字节的trim函数（从4.3.0版本开始支持）：

$string=' دد';
var_dump(preg_replace('#(?:^\s+|\s+$)#u', '', $string));

3v4l结果

- Ja͢ck

---

事实上，在我的系统上运行这个程序会返回 NULL。哇！你实际上发现了另一个 bug：http://3v4l.org/H1Ihk - Handsome Nerd

看起来是的 :) 不过我回答中的代码有帮到你吗？ - Ja͢ck

@Jack 它没有崩溃，但输出的是 string(6) "ﺫﺫ" 而不是你期望的结果。 - ComFreek

@ComFreek，字节长度并不能说明太多问题，我不确定为什么每个字符都要占用3个字节。 - Ja͢ck

@Phpst 我明白了。我会在 bugs.php.net 上报告一个 bug，并提到这个问题。 - Ja͢ck

Answer 4

使用preg_quote函数，您必须在将其与正则表达式一起使用之前正确转义特殊字符。例如：

<?php
$string = preg_quote("\دد");
echo preg_replace('#(?:^[^\pL]*)|(?:[^\pL]*$)#u','',$string);

看它如何运作：http://3v4l.org/LeBXg

更多关于 preg_quote 的内容。

祝好，

Ardy

- Ardy Dedase

---

preg_quote是用于引用正则表达式字符的功能，对于普通字符来说是不必要的。但是即使 echo preg_replace('#(?:^[^\pL]*|[^\pL]*$)#u','',preg_quote('ذذ')); 也会崩溃。preg_quote("\دد"); 的结果是 \\ss，这是一个不同的字符串。 - Handsome Nerd

也许你误解了 preg_quote() 的目的，它是用来转义正则表达式内部的特殊字符的 :) - Ja͢ck

不用客气，这是我能为前同事做的最少的事情，呵呵。 - Ja͢ck

@Jack 请参考php.net/manual/en/function.preg-quote.php并重新阅读问题。谢谢。 - Handsome Nerd

Answer 5

最后，漏洞已解决：

Output for 4.4.0 - 4.4.9, 5.0.5 - 5.1.6, 5.5.27 - 5.5.33, 5.6.11 - 7.0.4, hhvm-3.6.1 - 3.12.0
    دد

- Handsome Nerd