在 PCRE/PHP 中匹配 Unicode 字母字符

Question

我正在尝试为 PHP 中的名称编写一个相当宽松的验证器，我的第一次尝试包括以下模式：

// unicode letters, apostrophe, hyphen, space
$namePattern = "/^([\\p{L}'\\- ])+$/";

这最终会传递给对

preg_match()

的调用。据我所知，这适用于您的香草 ASCII 字母表，但似乎会遇到 Ă 或张等更刺激的字符。

模式本身有问题吗？也许我期待

\p{L}

比我想象的做更多的工作？

或者它与输入的传递方式有关？我不确定它是否相关，但我确实确保在表单页面上指定了 UTF8 编码。

Answer 1

我认为问题比这简单得多：您忘记指定

u

修饰符。 Unicode 字符属性仅在 UTF-8 模式下可用。

你的正则表达式应该是：

// unicode letters, apostrophe, hyphen, space
$namePattern = '/^[-\' \p{L}]+$/u';

Answer 2

如果你想用

old pattern

替换 Unicode

new pattern

你应该写：

$text = preg_replace('/\bold pattern\b/u', 'new pattern', $text);

所以这里的关键是

u

修饰符

注意：你的服务器

php version

应该至少是

PHP 4.3.5

如这里所述php.net |模式修饰符

u (PCRE_UTF8) 此修饰符打开与 Perl 不兼容的 PCRE 的附加功能。模式字符串被视为 UTF-8。这 Unix 上的 PHP 4.1.0 或更高版本以及 PHP 提供修饰符 4.2.3 在 win32 上。自 PHP 4.3.5 起检查模式的 UTF-8 有效性。

谢谢

AgreeOrNot

谁给我那个钥匙preg_replace用阿拉伯语匹配整个单词

我试过了，它在本地主机上工作，但是当我在远程服务器上尝试它时，它没有工作，然后我发现 php.net 开始在 PHP 4.3.5 中使用

u

修饰符。 ，我升级了 php 版本并且它有效

重要的是要知道这种方法对阿拉伯语用户 (عربي) 非常有帮助，因为 - 我相信 - unicode 是阿拉伯语的最佳编码，如果不使用

u

修饰符，替换将不起作用，请参阅下一个例子它应该对你有用

$text = preg_replace('/\bمرحبا بك\b/u', 'NEW', $text);

Answer 3

首先，如果您在编写这些内容时使用单撇号而不是双引号，您的生活将会轻松得多——您只需要一个反斜杠。其次，还应包括组合标记

\pM

。如果您发现不匹配的字符，请找出它的 Unicode 代码点，然后您可以使用 http://www.fileformat.info/info/unicode/ 找出它的位置。我发现 http://hsivonen.iki.fi/php-utf8/ 在使用 UTF-8 属性进行调试时是一个非常有用的工具（在尝试查找之前不要忘记转换为十六进制：

array_map('dechex', utf8ToUnicode($text))

）。

例如，Ă 结果是 http://www.fileformat.info/info/unicode/char/0102/index.htm 并且在 Lu 中，所以 L 应该匹配它并且它确实匹配我。另一个字符是 http://www.fileformat.info/info/unicode/char/5f20/index.htm 也是 isLetter 并且确实适合我。你有编译的 Unicode 字符表吗？

Answer 4

任何其他看这里但没有让它工作的人，请注意

/u

不会在不同 PHP 版本的 Unicode 脚本中产生一致的结果。

参见示例：https://3v4l.org/4hB9e

相关：不同 PHP 版本泰语字符的不一致正则表达式结果

Answer 5

<?php preg_match('/[a-zığüşöç]/u',$title)  ?>