正则表达式 - 为什么在正则不加模式修正符的时候,PHP去匹配的中文字符会是乱码的
程序员文章站
2024-02-04 09:49:04
...
情况如下:
- php 5.5.11
- mac osx 10.9.2、win7、centOS 6.3
代码如下:
echo preg_replace('/[\s-]+/', '-', '阿树')."\n";
测试结果如下:
- Mac 乱码
- windows、linux都正常
增加模式修正符后正常,如下:
echo preg_replace('/[\s-]+/u', '-', '阿树')."\n";
查找资料,是这么说的:
u(PCRE_UTF8)
此修正符启用了一个 PCRE 中与 Perl 不兼容的额外功能。模式字符串被当成 UTF-8。本修正符在 Unix 下自 PHP 4.1.0 起可用,在 win32 下自 PHP 4.2.3 起可用。自 PHP 4.3.5 起开始检查模式的 UTF-8 合法性。
请问:
- u的意思就是将匹配的字符当作utf8吗,还有其他作用吗
- 我的代码是utf8,但是为什么只有mac(Unix)会乱码呢?
回复内容:
情况如下:
- php 5.5.11
- mac osx 10.9.2、win7、centOS 6.3
代码如下:
echo preg_replace('/[\s-]+/', '-', '阿树')."\n";
测试结果如下:
- Mac 乱码
- windows、linux都正常
增加模式修正符后正常,如下:
echo preg_replace('/[\s-]+/u', '-', '阿树')."\n";
查找资料,是这么说的:
u(PCRE_UTF8)
此修正符启用了一个 PCRE 中与 Perl 不兼容的额外功能。模式字符串被当成 UTF-8。本修正符在 Unix 下自 PHP 4.1.0 起可用,在 win32 下自 PHP 4.2.3 起可用。自 PHP 4.3.5 起开始检查模式的 UTF-8 合法性。
请问:
- u的意思就是将匹配的字符当作utf8吗,还有其他作用吗
- 我的代码是utf8,但是为什么只有mac(Unix)会乱码呢?
树的utf8表示是e6 a0 91
。敏感的话看到这里就应该明白了。
第二个字节a0
和\n
是一样的,从而被替换成了-,剩下左右两边的两个字节变成非法ASCII,显示成问号了,至于平台差异性,估计是所谓PCRE的问题吧,有兴趣可以钻进去查查