PHP Preg引擎中的Bug：环视Unicode问题

Question

PHP Preg引擎中的Bug：环视Unicode问题

6

为什么以下js代码无效：

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

但是它的PHP等价物返回'!�!�!�!�!�!�'？

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

这仅适用于4.3.5-5.0.5、5.1.1-5.1.6版本。

参见：http://3v4l.org/jrV0W

- Handsome Nerd

1

@ 不是有效的分隔符。请查看 PHP 的分隔符页面。 - hjpotter92

2

@BackinaFlash 这是有效的！ - Handsome Nerd

你确定它返回的是 null 吗？因为我得到的是乱码，但绝对不是 null。 - Ja͢ck

请检查您的 PHP 文件编码。 - Tomas Ramirez Sarduy

@PHPst：这是因为pL是p{L}的简写形式，可以查看我的答案。 - Tomas Ramirez Sarduy

显示剩余3条评论

2个回答

1

在测试了一些字符串后，我认为PREG引擎存在错误。前三行输出了预期的内容，但第四行有问题。

<?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; //?

输出如下：

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

- Handsome Nerd

没有错误，请问您是否真正阅读了我的回答？我解释了为什么带点的那一行不起作用。 - Tomas Ramirez Sarduy

如你在我的例子中所看到的，/./u 在非环视的情况下是有效的。 - Handsome Nerd

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Tomas Ramirez Sarduy · Accepted Answer

如果仅添加/u修饰符，则应将该模式视为utf-8。第二个示例有效的原因是：

从PHP 5.1开始，您可以使用\p{L}，它可以被翻译为："是来自任何语言的任何字母"
除了标准符号表示法\p{L}之外，Java，Perl，PCRE和现在的PHP都允许您使用速记符号\pL。速记符号仅适用于单个字母的Unicode属性。

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

如@MarkFox所述，在preg_replace（）的上下文中，假定每个字符占用一个字节，并且您正在“正则表达式”多字节字符。这就是为什么您的替换输出具有两倍于预期的匹配项的原因，它匹配每个字符的每个字节（我推断为两个字节） -

无论您如何处理文档编码，都需要使用Unicode字符属性才能使其正常工作。

那个奇怪的符号怎么办？

当您看到那个“带有问号的奇怪的方块符号”（也称为替换字符）时，通常表示您具有80-FF（128-255）字节范围内的一个字节，并且系统正在尝试以UTF-8格式呈现它。

该整个字节范围对于UTF-8中的单字节字符无效，但在西方编码（如ISO-8859-1）中非常常见。