我需要使用正则表达式处理我的 php 脚本中的字符串。但是有一个问题——不同的字符串有不同的编码。如果字符串只包含 ascii 符号，mb_detect_encoding 函数返回 'ASCII'。但如果字符串包含俄语符号，例如，mb_detect_encoding 返回 'UTF-8'。我想手动检查每个字符串的编码并不是一个好主意。
所以问题是 - 对 ascii 字符串使用 preg_replace （带有 unicode 修饰符）是否正确？为 ascii 和 utf-8 字符串编写这样的代码preg_replace ("/[^_a-z]/u","",$string); 是否正确？
【问题讨论】：
标签： php regex unicode preg-replace ascii
7 位 ASCII 字符集以相同的 UTF-8 编码。如果你有一个 ASCII 字符串，你应该可以在它上面使用 PREG "u" 修饰符。
但是，如果您有一个“补充的”8 位 ASCII 字符集，例如 ISO-8859-1、Windows-1252 或 HP-Roman8，则最左边的位设置为 on（值 x80 - xff）的字符不会被编码在 UTF-8 中也是如此，不适合使用 PREG "u" 修饰符。
【讨论】：
如果两个选项是“UTF-8”或“ASCII”，这没有问题，但事实并非如此。
如果 PHP 不使用 UTF-8，它使用 ISO-8859-1，它不是 ASCII（它是 ASCII 的超集，因为前 127 个字符。它是 ASCII 的超集。一些字符，例如瑞典语的å、ä 和 ö，可以用 ISO-8859-1 和 Unicode 表示，用不同的代码点！我认为这对于 preg_* 函数没有多大关系，所以它可能不适用回答您的问题，但在使用不同的编码时请记住这一点。
你应该真的，真的试着知道你的字符串在哪个字符集中，没有 mb_detect_encoding 的魔力（mb_detect_encoding 不是保证，只是一个很好的猜测）。例如，通过 HTTP 获取的字符串确实具有在 HTTP 标头中指定的字符集。
【讨论】：
<meta http-equiv="content-type" content="text/html; charset=utf-8"> 标头。无论如何，如果我对 $_POST 变量使用 mb_detect_encoding，它会返回“ascii”。这是否意味着猜测错误并且字符串是 utf-8 编码的？
<meta http-equiv="content-type" content="text/html; charset=utf-8"> 是否意味着我的服务器接收到所有用户数据 utf-8 编码？ 1）如果是，为什么其中一些是ascii编码的？如果那是因为 php 在可能的情况下尝试分配更少的内存，我猜该字符串可以是 ascii 或 utf-8 编码，仅此而已。如果是这样，我没有更多的问题。 2）如果不是，我如何“禁用”除 unicode 之外的所有编码？
是的，当然，您始终可以使用 Unicode 修饰符，它既不会影响结果也不会影响性能。
【讨论】：