在utf-8中的php正则表达式字边界匹配

Question

我在utf-8 php文件中有以下php代码:

var_dump(setlocale(LC_CTYPE, 'de_DE.utf8', 'German_Germany.utf-8', 'de_DE', 'german'));
var_dump(mb_internal_encoding());
var_dump(mb_internal_encoding('utf-8'));
var_dump(mb_internal_encoding());
var_dump(mb_regex_encoding());
var_dump(mb_regex_encoding('utf-8'));
var_dump(mb_regex_encoding());
var_dump(preg_replace('/\bweiß\b/iu', 'weiss', 'weißbier'));

我希望最后一个正则表达式只能替换完整的单词,而不是单词的一部分.

在我的Windows计算机上,它返回:

string 'German_Germany.1252' (length=19)
string 'ISO-8859-1' (length=10)
boolean true
string 'UTF-8' (length=5)
string 'EUC-JP' (length=6)
boolean true
string 'UTF-8' (length=5)
string 'weißbier' (length=9)

在网络服务器(linux)上,我得到:

string(10) "de_DE.utf8"
string(10) "ISO-8859-1"
bool(true)
string(5) "UTF-8"
string(10) "ISO-8859-1"
bool(true)
string(5) "UTF-8"
string(9) "weissbier"

因此,正则表达式的工作方式与我在Windows上的预期相同,但不适用于Linux.

所以主要问题是,我应该如何编写我的正则表达式才能匹配单词边界？

第二个问题是我如何让Windows知道我想在我的php应用程序中使用utf-8.

Answer 1

即使在UTF-8模式,如标准类速记\w和\b不支持Unicode的.你必须使用Unicode缩写,但是你可以通过使用lookarounds而不是替换来减少它的难度:

/(?<!\pL)weiß(?!\pL)/u

另请注意我是如何将大括号从Unicode类缩写中删除的; 当类名由单个字母组成时,您可以这样做.

Answer 2

猜猜这与Bug＃52971有关

PCRE元字符喜欢\b \w不使用unicode字符串。

并在PHP 5.3.4中修复

PCRE扩展：修复了错误＃52971（PCRE-Meta-Characters无法与utf-8一起使用）。