为什么在正则不加模式修正符的时候,PHP去匹配的中文字符会是乱码的


请输入图片描述
情况如下:

  • php 5.5.11
  • mac osx 10.9.2、win7、centOS 6.3

代码如下:


 echo preg_replace('/[\s-]+/', '-', '阿树')."\n";

测试结果如下:

  • Mac 乱码
  • windows、linux都正常

增加模式修正符后正常,如下:


 echo preg_replace('/[\s-]+/u', '-', '阿树')."\n";

查找资料,是这么说的:

u(PCRE_UTF8)

此修正符启用了一个 PCRE 中与 Perl 不兼容的额外功能。模式字符串被当成 UTF-8。本修正符在 Unix 下自 PHP 4.1.0 起可用,在 win32 下自 PHP 4.2.3 起可用。自 PHP 4.3.5 起开始检查模式的 UTF-8 合法性。

请问:

  1. u的意思就是将匹配的字符当作utf8吗,还有其他作用吗
  2. 我的代码是utf8,但是为什么只有mac(Unix)会乱码呢?

正则表达式 php 字符编码

眨眼时已是未来 10 years, 8 months ago

树的utf8表示是 e6 a0 91 。敏感的话看到这里就应该明白了。

第二个字节 a0 \n 是一样的,从而被替换成了-,剩下左右两边的两个字节变成非法ASCII,显示成问号了,至于平台差异性,估计是所谓PCRE的问题吧,有兴趣可以钻进去查查

alpent answered 10 years, 8 months ago

Your Answer