PHP PCRE unicode逃脱

Question

我正在使用包含带有“\ uXXXX”的表达式的regexp数据库，这当然会破坏PHP PCRE。

那么，有两个问题，是否有办法告诉PCRE接受这些序列？

我解决了这个问题，幸运的是它只是一个序列，通过这样做：

  

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

但是当我试图这样做时：

  

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

我还在 -

  

警告：preg_replace（）[function.preg-replace]：编译失败：PCRE不支持偏移1处的\ L，\ l，\ N {name}，\ U或\ u

并且双重逃避\ u =＆gt;你不是简单的\\ u，为什么那是/有更好的方法吗？注意：我实际上必须做同样的事情，更重要的是，要在这篇文章中找到正确的字符串。

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因为你需要双重转义反斜杠。

根据情况，\\u位于PHP双引号字符串中，这意味着PHP将\\转义为单斜杠。

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

如果要在PHP正则表达式中实际匹配反斜杠字符，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。但就是这样。

从技术上讲，这适用于任何正则表达式反斜杠，所以理论上你的\w也应该有一个双反斜杠，但你可以侥幸逃脱，大多数其他人，因为\w没有任何意义PHP，所以它不解析它。这是一种有用的行为，但在出现问题时确实会让事情变得更加混乱，就像在这种情况下一样。

Answer 2

\ u不能用PHP，但是\ x会。 PCRE文档的解释：

\x{hhh..} character with hex code hhh.. (non-JavaScript mode)
\uhhhh    character with hex code hhhh (JavaScript mode only)

不应忘记修饰语。 （“Javascript模式”是“内部”标志）

解释Unicode序列（\ u as \ U）的另一种解决方案是使用intl / Transliterator（PHP＆gt; = 5.4）：

$in = '\u0041\U00000062';
$out = transliterator_create('Hex-Any')->transliterate($in);
var_dump($out); # string(2) "Ab"