В PHP нет многобайтовых «preg» -функций, значит, это означает, что preg_functions по умолчанию является безопасным? Не удалось найти упоминания в документации php.
PCRE может поддерживать кодировки UTF-8 и другие кодировки Unicode, но их нужно указывать во время компиляции. На странице man для PCRE 8.0 :
Текущая реализация PCRE приблизительно соответствует Perl 5.10, включая поддержку кодированных строк UTF-8 и свойств общей категории Unicode. Однако поддержка UTF-8 и Unicode должна быть явно включена; это не значение по умолчанию. Таблицы Unicode соответствуют Unicode версии 5.1.
В настоящее время PHP использует PCRE 7.9 ; ваша система может иметь более старую версию.
Взглянув на библиотеку PCRE, которая поставляется с PHP 5.2, похоже, что она настроена на поддержку свойств Unicode и UTF-8. То же самое для ветви 5.3 .
pcre поддерживает utf8 из коробки, см. документацию для модификатора 'u'.
Иллюстрация (\ xC3 \ xA4 – это кодировка utf8 для германской буквы «ä»)
echo preg_replace('~\w~', '@', "a\xC3\xA4b"); это перекликается с «@@ ¤ @», потому что «\ xC3» и «\ xA4» рассматриваются как разные символы
echo preg_replace('~\w~u', '@', "a\xC3\xA4b");
(обратите внимание на «u») печатает «@@@», потому что «\ xC3 \ xA4» рассматриваются как одна буква.
Нет, они не. См. Вопрос preg_match и UTF-8 в PHP, например.
Нет, вам нужно использовать многобайтовые строковые функции, такие как mb_ereg
Некоторые из моих более сложных функций preg:
(1a) подтвердить имя пользователя как буквенно-цифровое + подчеркивание:
preg_match('/^[A-Za-z][A-Za-z0-9]*(?:_[A-Za-z0-9]+)*$/',$username)
(1b) возможная альтернатива UTF:
preg_match('/^[A-Za-z][A-Za-z0-9]*(?:_[A-Za-z0-9]+)*$/u',$username)
(2a) проверить электронную почту:
preg_match("/^([a-z0-9\+_\-]+)(\.[a-z0-9\+_\-]+)*@([a-z0-9\-]+\.)+[az]{2,6}$/ix",$email))
(2b) возможная альтернатива UTF:
preg_match("/^([a-z0-9\+_\-]+)(\.[a-z0-9\+_\-]+)*@([a-z0-9\-]+\.)+[az]{2,6}$/ixu",$email))
(3a) нормализует новые строки:
preg_replace("/(\n){2,}/","\n\n",$str);
(3b) возможная альтернатива UTF:
preg_replace("/(\n){2,}/u","\n\n",$str);
Какие изменения выглядят хорошо?