PHP PCRE unicode 转义

Question

我正在使用一个正则表达式数据库，其中包含带有“\uXXXX”的表达式，这当然会破坏 PHP PCRE。

那么，问题分为两部分，有没有办法告诉 PCRE 接受这些序列？

我解决了这个问题，幸运的是这只是一个序列，通过这样做:

$regx = str_ireplace('\u00a7', '\xa7', $regx);

但是当我尝试这样做时:

$regx = preg_replace("/\\u(\w+)/i", "\x$1", $regx);

我仍然得到 -

Warning: preg_replace() [function.preg-replace]: Compilation failed: PCRE does not support \L, \l, \N{name}, \U, or \u at offset 1

并且需要两次转义\u =>\\\\u，而不是简单的\\u，为什么/有更好的方法吗？注意:实际上我必须做同样的事情，而且更重要的是，才能将正确的字符串放入这篇文章中。

更新:在我们的服务器上运行 5.3.3

Answer 1

$regx = preg_replace("/\\u(\w+)/i", "\x$1", $regx);

这不起作用的原因是你需要双重转义反斜杠。

就目前情况而言，\\u 位于 PHP 双引号字符串内，这意味着 \\ 被 PHP 转义为单个斜杠。

然后将这个单斜杠赋予 PRCE，因此正则表达式解析器只会看到 \u。此操作失败，因为 \u 不是正则表达式中的有效转义序列。

如果您想实际匹配 PHP 正则表达式中的反斜杠字符，则需要实际提供四个反斜杠。

$regx = preg_replace("/\\\\u(\w+)/i", "\x$1", $regx);

是的。它很丑。但事实就是如此。

从技术上讲，这适用于任何正则表达式反斜杠，因此理论上您的 \w 也应该有一个双反斜杠，但您可以摆脱它，以及大多数其他反斜杠，因为 \w 对 PHP 没有任何意义，因此不会解析它。这是有用的行为，但当出现问题时，确实会让事情变得更加困惑，就像在本例中一样。