preg_replace、字符转义和重音字符。 /u 适用于一台服务器，但不适用于另一台服务器答案

【问题标题】：preg_replace, character escapes & accented characters. /u works on one server, but not anotherpreg_replace、字符转义和重音字符。 /u 适用于一台服务器，但不适用于另一台服务器
【发布时间】：2011-11-19 09:28:39
【问题描述】：

我有以下代码：

 preg_replace('/[^\w-]/u','.','Bréánná MÓÚLÍN');

在服务器 A (PHP 5.3.5) 上返回：
“Bréánná.Móúlín”（应该如此）

但是，在服务器 B (PHP 5.2.11) 上，它返回：
“Br..n..M..l.n”（根本不是我想要的）

我是否认为这取决于在整个编译时是否设置了 PCRE_UCP？

如果是这种情况，有什么方法可以覆盖它吗？

如果做不到这一点，是否有任何方法可以轻松地将此类字符替换为“标准”等效字符？（类似 utf8_decode 但更广泛）

【问题讨论】：

标签： php regex utf-8 pcre

【解决方案1】：

我不确定在编译期间定义的PCRE_UCP 是否会影响preg_replace()，但是解决您的问题的方法是使用多字节字符串函数mb_ereg_replace()：

<?php
mb_internal_encoding("UTF-8");
mb_regex_encoding("UTF-8");

echo mb_ereg_replace('[^0-9A-Za-zÀ-ÖØ-öø-˿Ͱ-ͽͿ-῿‌-‍⁰-↏Ⰰ-⿯、-퟿豈-﷏ﷰ-�̀-ͯ‿-⁀\\-]','.','Bréánná MÓÚLÍN');

PHP 5.2 结果：http://codepad.viper-7.com/UnZeyf

编辑：我原本以为多字节 ereg 函数支持Unicode character type escapes，但事实证明并非如此。相反，您需要确定您认为是“字母”的字符范围。我使用 XML Standard's definition of NameChar 中的字符范围和以下 Java 程序来生成 RegExp 字符串（显然多字节 ereg 函数也不支持 Unicode 字符转义序列）：

import java.io.*;

public class SO7456963 {
    public static void main(String[] args) throws Throwable {
        Writer w = new OutputStreamWriter(new FileOutputStream("SO7456963.txt"), "UTF-8");
        w.write("[^0-9A-Za-z\u00C0-\u00D6\u00D8-\u00F6\u00F8-\u02FF\u0370-\u037D\u037F-\u1FFF\u200C-\u200D\u2070-\u218F\u2C00-\u2FEF\u3001-\uD7FF\uF900-\uFDCF\uFDF0-\uFFFD\u0300-\u036F\u203F-\u2040\\\\-]");
        w.close();
    }
}

【讨论】：

有趣的是，我正在尝试用 .但是，该代码没有完成。 \\pL 和 \\pN 是什么？我对它们不熟悉，所以我不知道如何改变它来做我想做的事情。
@Toukakoukan：他们通过 Unicode 属性指定字符集。见：php.net/manual/en/regexp.reference.unicode.php
@Toukakoukan：我发现多字节 ereg 函数不支持通过 Unicode 属性指定字符的特殊 \p{...} PCRE 语法。请参阅我的更新答案。