在PCRE/PHP中匹配Unicode字母字符

Question

我正在尝试编写一个相对宽松的 PHP 名称验证器，我的第一次尝试包括以下模式：

// unicode letters, apostrophe, hyphen, space
$namePattern = "/^([\\p{L}'\\- ])+$/";

这最终会传递给对preg_match()的调用。据我所知，这适用于您的普通ASCII字母表，但似乎在处理像Ă或张这样的更复杂字符时出现问题。

模式本身有问题吗？也许我期望\p{L}做更多的工作，而实际上它并没有做到？

还是与输入传递方式有关？我不确定它是否相关，但我确保在表单页面上指定了UTF8编码。

- Jeff Lee

Answer 1

我觉得问题比那更简单：你忘记指定u 修饰符了。Unicode字符属性仅在UTF-8模式下可用。

你的正则表达式应该是：

// unicode letters, apostrophe, hyphen, space
$namePattern = '/^[-\' \p{L}]+$/u';

- NikiC

---

@chx：给我返回 int(0)。你的文件可能没有使用 UTF-8 编码。 - NikiC

我使用了我在答案中展示的utf8ToUnicode例程来验证我的文件中的代码点。 - chx

@chx：在这种情况下，我不知道。如果没有修饰符，它对我不起作用，但是有了修饰符就可以工作。由于PHP没有适当的多字节支持，因此编码问题很常见。 - NikiC

@Jeff Lee：它表示该字符串应被视为UTF-8字符串。即：一个UTF-8字符可能由多个字节组成。通常情况下，PCRE会将每个单独的字节与您的正则表达式进行匹配。但在UTF-8模式下，它将组合这些字节并进行匹配 ;) - NikiC

+1，对于完成，另一种在此模式中启用Unicode属性的方法是：(*UTF)(*UCP)^[-\' \p{L}]+$（请参见PCRE的特殊模式开头修饰符）。 - zx81

Answer 2

如果你想用新的模式替换Unicode的旧模式，你应该写成：

new pattern

。

$text = preg_replace('/\bold pattern\b/u', 'new pattern', $text);

所以这里的关键是 u 修饰符。

注意：您的服务器 php 版本 应至少为 PHP 4.3.5，如 php.net | 模式修饰符 所述。

u (PCRE_UTF8) 此修饰符打开了 PCRE 的其他功能，与 Perl 不兼容。模式字符串被视为 UTF-8。此修饰符可在 Unix 上从 PHP 4.1.0 或更高版本上使用，在 win32 上从 PHP 4.2.3 开始使用。自 PHP 4.3.5 以来，将检查模式的 UTF-8 有效性。

感谢 AgreeOrNot 给我提供了这个关键点，详见 preg_replace 在阿拉伯语中匹配整个单词。

我尝试了一下，在本地主机上可以运行，但在远程服务器上无法运行，后来发现php.net开始在PHP 4.3.5中使用u修饰符。我升级了php版本，然后它就可以工作了。

重要的是要知道，这种方法对阿拉伯语用户（عربي）非常有帮助，因为Unicode是阿拉伯语言最好的编码方式，如果不使用u修饰符，替换将无法正常工作，请参见下一个示例，它应该可以与您一起使用。 $text = preg_replace('/\bمرحبا بك\b/u', 'NEW', $text);

- usama sulaiman

Answer 3

首先，如果您在编写这些内容时使用单引号而不是双引号，那么您的生活将变得更加轻松 - 您只需要一个反斜杠。其次，组合标记\pM也应该包括在内。如果您发现某个字符没有匹配，请找出它的Unicode代码点，然后您可以使用http://www.fileformat.info/info/unicode/来确定它的位置。我发现http://hsivonen.iki.fi/php-utf8/是UTF-8属性调试时非常有价值的工具（别忘了在尝试查找之前将其转换为十六进制：array_map('dechex', utf8ToUnicode($text))）。

例如，Ă的Unicode编码是http://www.fileformat.info/info/unicode/char/0102/index.htm，它属于Lu类，因此L应该与它匹配，而对我来说确实匹配了。另一个字符是http://www.fileformat.info/info/unicode/char/5f20/index.htm，也是字母，并且对我来说确实匹配。你是否已经编译好Unicode字符表了呢？

- chx

Answer 4

如果有其他人在这里查看并且无法使其正常工作，请注意，在不同的PHP版本中，/u 无法产生与Unicode脚本一致的结果。

请参考以下示例：https://3v4l.org/4hB9e

相关链接：在不同的PHP版本中，泰语字符的正则表达式结果不一致

- Tom

Answer 5

<?php preg_match('/[a-zığüşöç]/u',$title)  ?>

- Jack Nal