在PHP regex中什么时候需要u修饰符？ [英] When do I need u-modifier in PHP regex?

问题描述

我知道，PHP PCRE函数将字符串视为字节序列，所以很多站点建议使用/u修饰符来处理输入和正则表达式作为UTF-8。

但是，我真的总是需要这个吗？我的测试表明，当我不使用转义序列或点或类似的东西时，这个标志没有什么不同。

例如

preg_match('/^[da-f]{40}$/', $string);检查字符串是否具有SHA1哈希格式

preg_replace('/[^a-zA-Z0-9]/', $spacer, $string);替换每个非ASCII字母或数字的字符

preg_replace('/^+((.*))$/', '1', $string);获取+(XYZ)的内部内容

这些正则表达式仅包含单字节ASCII符号，因此它应该适用于每个输入，而不考虑编码，不是吗？请注意，第三个正则表达式使用点运算符，但是由于我在字符串的开头和结尾去掉了一些ASCII字符，所以这应该也适用于UTF-8，对吗？

没有人能告诉我我是否忽略了什么吗？

推荐答案

第一个表达式没有问题。要量化的字符显式为单字节，不能出现在UTF-8多字节序列中。

第二个表达式可能会给出比您预期更多的间隔符；例如：

echo preg_replace('/[^a-zA-Z0-9]/', "0", "💩");
// => 0000

第三个表达式也不会造成问题，因为重复字符受括号限制(这是ASCII安全的)。

这更危险：

echo preg_replace('/^(.)/', "0", "💩");
// => 0???

通常，在不详细了解UTF-8工作原理的情况下，预测哪些正则表达式安全，哪些不安全可能很困难，因此对可能包含U+007F以上字符的所有文本使用/u是最佳做法。

这篇关于在PHP regex中什么时候需要u修饰符？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！