PHP PREG正则表达式：在使用UTF-8修饰符时，"\W"是什么意思？

Question

我知道在普通的php正则表达式（ASCII模式）中，"\w"（单词）意味着“字母、数字和_”。但是，当您使用"u"修饰符的多字节正则表达式时，它代表什么意思呢？

preg_replace('/\W/u', '', $string);

- Xeoncross

---

你是不是指的是\w而不是\W？ - Alix Axel

好的，我实际上是指两者 - 但我已经将我的问题修复为\w。 - Xeoncross

Answer 1

任何不是字母、数字或下划线的字符。

因此，在Unicode字符类方面，\W等价于所有不在L或N字符类中且不是下划线字符的字符。

如果您使用\p{xx}语法编写它，它将等同于[^\p{LN}_]。

- Welbog

---

很高兴看到其他人也这样想，但我们能以任何方式支持这个说法吗？我不确定在PHP源代码中该从哪里挖掘或者在哪里找到已经验证过的人... - Xeoncross

@Xeoncross：它就是被定义为什么样子就是什么样子。你有没有特别的理由怀疑它不按照定义的方式运作？如果你真的很担心，就使用\p{xx}语法。 - Welbog

好的，谢谢。我之前怀疑的唯一原因是因为我已经习惯了 PHP 函数对 UTF-8 的支持不够完善和缺乏思考。如果 \W 只是针对 ASCII 序列设计的话，我就不想假设它能像这样工作。感谢您的快速回复。 - Xeoncross

@Xeoncross：如果你真的想测试一下，可以使用\w语法编写一个正则表达式，再使用\p{xx}语法编写一个等效的正则表达式，看看它们匹配的内容是否有差异。我不会期望有什么差别，但你永远不知道。 - Welbog

我想得到与\w等效的结果，但是在我的PHP代码中[\p{LN}]不能工作。所以我尝试了[\p{L}\p{N}]，它可以正常工作。 - Evgeni Nabokov