PHP正则表达式中的UTF-8 [重复]答案

【问题标题】：UTF-8 in PHP regular expressions [duplicate]PHP正则表达式中的UTF-8 [重复]
【发布时间】：2011-09-18 11:25:21
【问题描述】：

我需要正则表达式方面的帮助。我的字符串包含 unicode 字符，下面的代码不起作用。

前四个字符必须是数字，然后是逗号，然后是任何字母字符或空格... 我已经读到如果我在正则表达式末尾添加 /u 但它对我不起作用......

我的代码适用于非 unicode 字符

$post = '9999,škofja loka';;
echo preg_match('/^[0-9]{4},[\s]*[a-zA-Z]+', $post);

感谢您的回答！

【问题讨论】：

【解决方案1】：

更新答案：
现在已经过测试并且可以正常工作了

$post = '9999, škofja loka';
echo preg_match('/^\\d{4},[\\s\\p{L}]+$/u', $post);

\\w 不起作用，因为它不包含所有 unicode 字母，并且除了字母之外还包含 [0-9_]。

同样重要的是u修饰符激活unicode模式。

如果逗号后面可以有字母或空格，那么你应该把它们放在同一个字符类中，在你的正则表达式中，逗号后面有0个或多个空格，然后只有字母。

请参阅http://www.regular-expressions.info/php.html 了解 php 正则表达式的详细信息

\\p{L}（Unicode 字母）解释为here

重要的是使用字符串结束边界$ 来确保确实验证了完整的字符串，否则它将仅匹配第一个空格并忽略其余部分。

【讨论】：

不起作用 = 返回 0: $post = '9999,škofja loka'; echo preg_match('/^[0-9]{4},[\s\w]+/u', $post);
@gašper，所以现在我测试了它online，似乎PHP需要双重转义preg_match('/^\\d{4},[\\s\\w]+$/u', $post);但似乎\\w不包括unicode字符，即使@987654333 @修饰符。
@gašper，我做了更多测试并更新了我的答案
@stema，这项工作非常好，谢谢！
js 中有一个 unicode 库等等xregexp.com

【解决方案2】：

[a-zA-Z] 将仅匹配 a-z 和 A-Z 范围内的字母。您有非 US-ASCII 字母，因此无论 /u 修饰符如何，您的正则表达式都不会匹配。您需要使用单词字符转义序列（\w）。

$post = '9999,škofja loka';
echo preg_match('/^[0-9]{4},[\s]*[\w]+/u', $post);

【讨论】：

在我的情况下不适用于您的代码
注意：\w 也会匹配数字，\s 不需要方括号。简洁：/^\d{4},\s*\w+/u
你测试了吗，还是不行
即使在 UTF-8 模式下，\w 也只能匹配 [A-Za-z0-9_]。您必须使用特定于 Unicode 的结构，例如 \p{L} 以及 /u 标志。
@Alan：区域设置会影响什么是字母，什么不是。对我来说，我发布的正则表达式有效（fi_FI.UTF-8 语言环境）。

【解决方案3】：

问题是你的正则表达式。您明确表示您只会接受a b c ... z A B C ... Z。 š 不在 a-z 集中。请记住，š 与 s 和其他字符一样不同。

因此，如果您真的只想要一个字母序列，那么您需要测试 unicode 属性。例如

echo preg_match('/^[0-9]{4},[\s]*\p{L}+', $post);

这应该有效，因为 \p{L} 匹配任何被视为字母的 unicode 字符。不只是 A 到 Z。

【讨论】：

这不起作用：这应该返回 0 但它返回 1 $post = '9999,ščćžđkofja loka,.(?*'; echo preg_match('/^[0-9]{ 4},[\s]*\p{L}+/', $post);
一件事 - 在您的测试程序中是 UTF-8 格式的 $post 程序？抱歉，我不擅长 php。但是在 perl 中，如果你只输入字符 š，你会得到一个 9A 字节的字符串。在 UTF-8 中，该字符需要是两个字节 C5 A1（在拉丁字符编码中看起来像 Å¡。

【解决方案4】：

添加u，并记住尾部斜杠：

echo preg_match('/^[0-9]{4},[\s]*[a-zA-Z]+/u', $post);

已编辑：

echo preg_match('/^\d{4},(?:\s|\w)+/u', $post);

【讨论】：