PHP：UTF8 中西里尔字符串的不区分大小写 preg_replace

Question

我有a PHP 5.3 script 显示我网站的用户，并想用它的旧名称替换某个俄罗斯城市（在 PostgreSQL 8.4.7 数据库 + CentOS 5.5/64 位 Linux 中以 UTF8 存储）（它是内部人员）笑话）：

preg_replace('/Волгоград/iu', 'Сталинград', $city);

不幸的是，这仅适用于完全匹配：Волгоград。

这不适用于其他情况，例如 ВОЛГОГРАД 或 волгоград。

如果我将源代码修改为

preg_replace('/[Вв]олгоград/iu', 'Сталинград', $city);

那么它将捕获上面的第二种情况。

有人知道它发生了什么以及如何解决它（假设我不想为每个字母写[Xx]）？

谢谢！ 亚历克斯

更新：

# rpm -qa|grep php
php53-bcmath-5.3.3-1.el5
php53-gd-5.3.3-1.el5
php53-common-5.3.3-1.el5
php53-pdo-5.3.3-1.el5
php53-mbstring-5.3.3-1.el5
php53-xml-5.3.3-1.el5
php53-5.3.3-1.el5
php53-cli-5.3.3-1.el5
php53-pgsql-5.3.3-1.el5

# rpm -qa|grep pcre
pcre-6.6-2.el5_1.7

Answer 1

对于那些支持庞大的遗留代码库、在字符集和编码问题上苦苦挣扎并且没有转换代码字符集选项的人 - 这是一个答案：

//for 
setlocale(LC_ALL, 'ru_RU.cp1251');  
//(or any other locale) to take effect, 
//you MUST generate system locale, i.e.

sudo su
#view supported locales
#less /usr/share/i18n/SUPPORTED
echo "ru_RU.cp1251 CP1251" >> /var/lib/locales/supported.d/local
dpkg-reconfigure locales
exit

#and (for ubuntu/debian)

apt-get install php5-intl

虽然您可以重写您的正则表达式以使用一些 utf 技巧，将您的代码转换为 utf，但当您使用庞大的代码库/数据库等时，这不是一个选择

Answer 2

这个解决了问题：

setlocale(LC_ALL, 'ru_RU.CP1251', 'rus_RUS.CP1251', 'Russian_Russia.1251');

Answer 3

实际上，在 Windows 上使用 PHP 5.2.x 时选择的已解决答案对我不起作用。

我必须通过转换到 Windows-1251 才能使其工作。

例子如下：

$new_content = preg_replace(iconv('UTF-8', 'Windows-1251', "/\bгъз\b/i"), iconv('UTF-8', 'Windows-1251', "YYYYYY"), iconv('UTF-8', 'Windows-1251', "ти си gyz gyz гъз ГЪЗ gyzgyz гЪз gyz"));
$new_content = iconv('Windows-1251', 'UTF-8', $new_content);

上面的示例将成功（不区分大小写）'гъз' 替换为 YYYYYY，并返回 UTF-8 版本。

问候！

Answer 4

您可以跳过正则表达式，它在 PHP 5.2.11 中对我有用 :)

$city = 'Unfortunately this only works for exact matches: Волгоград.

This does not work for other cases, like ВОЛГОГРАД or волгоград.';

echo str_ireplace('Волгоград', '[found]', $city);

输出

"Unfortunately this only works for exact matches: [found].

This does not work for other cases, like [found] or [found]."

这引起了我的兴趣，所以I asked a question。

Answer 5

也许试试：mb_eregi_replace http://www.php.net/manual/en/function.mb-eregi-replace.php

mb_eregi_replace — 用忽略大小写的多字节支持替换正则表达式

Answer 6

只是猜测，但将字符串显式编码为 un​​icode 可能会有所帮助：

preg_replace('/Волгоград/iu', utf8_encode('Сталинград'), $city);

Answer 7

在我的盒子上就像一个魅力......

<?php
    $city = 'Волгоград';
    var_dump(preg_match('/волгоград/ui', $city));
    var_dump(preg_match('/ВОЛГОГРАД/ui', $city));
    var_dump(preg_replace('/волгоград/ui', 'Сталинград', $city));
    var_dump(preg_replace('/ВОЛГОГРАД/ui', 'Сталинград', $city));

输出：

int 1
int 1
string 'Сталинград' (length=20)
string 'Сталинград' (length=20)

您确定输入数据 ($city) 是 UTF8 格式吗？

Answer 8

我复制+粘贴了你的大号В。确实是U+D092，而不是普通的拉丁语B。但是因为它们看起来非常相似：ВB 我相信俄罗斯字母被整理到U+0042 的拉丁文 B 上。

所以要么是 PHP 对其进行了预格式化，要么 PCRE 在那里也有些不精确。测试您的 print PCRE_VERSION; 并查看更改日志。

无论如何，为了避免这个问题，我建议你只使用小写字母。它们更有可能与拉丁字母不同。

preg_replace('/волгоград/iu', 'Сталинград', $city);

P.S.：恶作剧！

Answer 9

我无法使用 PHP 5.3.3 (PHP 5.3.3-1ubuntu9.3 with Suhosin-Patch (cli)) 重现您的问题：

$str1 = 'Волгоград';
$str2 = 'ВОЛГОГРАД';
$str3 = 'волгоград';

var_dump(preg_replace('/Волгоград/iu', 'Сталинград', $str1));
var_dump(preg_replace('/Волгоград/iu', 'Сталинград', $str2));
var_dump(preg_replace('/Волгоград/iu', 'Сталинград', $str3));

输出

string(20) "Сталинград"
string(20) "Сталинград"
string(20) "Сталинград"

您的 PHP 使用的是哪个 PCRE 版本？检查phpinfo() 的pcre 部分。这是我系统上的那个：

...
pcre

PCRE (Perl Compatible Regular Expressions) Support => enabled
PCRE Library Version => 8.02 2010-03-19
...