PHP 不是 Unicode 支持 PCRE 中的缺点

【问题标题】：PHP not Unicode Support Disadvantages within PCREPHP 不是 Unicode 支持 PCRE 中的缺点
【发布时间】：2011-07-13 19:58:55
【问题描述】：

例如：

<!-- All the characters are going to be converted into a Hex values depending the encoding used -->

<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> <!-- It Just interpret the Hex values that are going to be displayed -->


<?php

/* PHP Strings are bytestream */
/* PHP treat the strings as a Hex values from the econding used */

$string="€"; // Hex value from the Encoding Method(UTF-8). [U+20AC][E2|82|AC]
if(preg_match('/\xE2\x82\xAC/',$string,$m)){
    echo "Match<br>";
    print_r($m);
    }
else{
    echo "Don't Match";
    }

?>

只要您使用正确的字节序列来匹配 Unicode 字符。不需要使用Unicode Support吗？

还是我想错了？

【问题讨论】：

标签： php regex unicode utf-8 pcre

【解决方案1】：

对于特定的匹配，您不需要 Unicode 支持。任何简单的直接字符串匹配都适用于两个 UTF-8 字符串——这是 UTF-8 精心设计的特点——但如果你只需要一个直接字符串匹配，你就不会使用正则表达式：对于你的例子，你最好使用strpos。

在没有 Unicode 支持的情况下，许多其他正则表达式功能会出现意外行为。例如：

/€*/

支持 Unicode，即多个 € 符号 (\xE2\x82\xAC\xE2\x82\xAC\xE2\x82\xAC...)。没有它，这是 € 符号的前两个字节，然后是任意数量的 0xAC 字节 (\xE2\x82\xAC\xAC\xAC\xAC...)，因此它匹配的唯一有效 UTF-8 序列将是单个 €。

/[x€]/

支持 Unicode，匹配 x 或欧元。没有 Unicode 支持，匹配 x 或字节 0xE2 或字节 0x82 或字节 0xAC。

等等。

【讨论】：