带有非英语字符的正则表达式的preg_replace错误，无法识别字符

Question

我正在使用以下函数从字符串中删除空格：

$str = preg_replace('/\s+/', '', $str);

我正在输入这个法语字符串：ù û ü ÿ à â æ ç é è ê ë ï î ô通知每个都有一个空格。

无法识别à字符;这是输出的外观：ùûüÿ�âæçéèêëïîô

知道为什么吗？我曾尝试将str转换为UTF-8，但无济于事。

更新：我发现以下帖子（Weird problem with preg_replace and chinese character），其中在正则表达式末尾添加u可以纠正问题，如下所示：

$str = preg_replace('/\s+/u', '', $str);

这似乎解决了这个问题，但是有人可以解释为什么会发生这种情况以及解释u在这个正则表达式中正在做什么的官方解决方案吗？

Answer 1

默认情况下，PHP正则表达式引擎会将您的字符串视为一个字节（即一个字节字符）。

使用u修饰符时，正则表达式引擎会改变两件事：

• 字符串被视为utf8字符串（因此字符最终被编码为多个字节）
• 速记字符类（如\s，\w，\d ...）的含义更改为包含unicode字符，而不仅包含ascii字符。

请注意，这两个更改也可以在模式的开头显式编写，而不是使用u修饰符：

(*UTF8)(*UCP)yourpattern

您可以找到PHP here使用的pcre正则表达式引擎的完整文档。