时间戳

首页 > 解决方案 > 我什么时候需要在 PHP 正则表达式中使用 u-modifier？

php - 我什么时候需要在 PHP 正则表达式中使用 u-modifier？

问题描述

我知道，PHP PCRE 函数将字符串视为字节序列，因此许多网站建议使用/u修饰符来处理输入，并将正则表达式视为 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，这个标志没有任何区别。

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);获取内部内容+(XYZ)

这些正则表达式仅包含单字节 ASCII 符号，因此无论编码如何，它都应该适用于每个输入，不是吗？请注意，第三个正则表达式使用点运算符，但是当我在字符串的开头和结尾截断一些 ASCII 字符时，这也应该适用于 UTF-8，对吗？

谁能告诉我，如果我忽略了什么？

标签： phputf-8preg-replacepreg-matchpcre

解决方案

第一个表达式没有问题。被量化的字符是明确的单字节，并且不能出现在 UTF-8 多字节序列中。

第二个表达式可能会给您比您预期的更多的间隔；例如：

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

第三个表达式也没有问题，因为重复的字符受括号限制（这是 ASCII 安全的）。

这更危险：

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

通常，如果不了解 UTF-8 的工作原理，可能很难预测哪些正则表达式是安全的，哪些不安全，因此/u对所有可能包含 U+007F 以上字符的文本使用是最佳实践。

推荐阅读