Question

$str = 'کس نے موسیٰ کے بارے میں سنا ہے؟';
$str = preg_replace('/(?<=\b)موسیٰ(?=\b)/u', 'Musa', $str);
$str = preg_replace('/(?<=\b)سنا(?=\b)/u', 'suna', $str);
echo $str;

无法替换موسیٰ。它应该提供کس نے Musa کے بارے میں suna ہے؟，而是提供کس نے موسیٰ کے بارے میں suna ہے؟。

所有以ٰ结尾的字词都会发生这种情况，例如تعالیٰ。它适用于ٰ位于单词中间的单词（没有单词以ٰ开头）。这是否意味着\b不能与ٰ一起使用？这是一个错误吗？

Answer 1

原因是字边界在以下位置匹配：

在字符串中的第一个字符之前，如果第一个字符是单词字符。


在字符串中的最后一个字符之后，如果最后一个字符是单词字符。


字符串中的两个字符之间，其中一个是单词字符，另一个不是单词字符。

“违规”符号是U+0670 ARABIC LETTER SUPERSCRIPT ALEF 属于 \p{Mn}（非间距标记Unicode类别），因此非单词符号。如果\b前面有一个属于\w的字符（字母，数字，_），则$str = 'کس نے موسیٰ کے بارے میں سنا ہے؟'; $str = preg_replace('/(?<!\w)موسیٰ(?!\w)/u', 'Musa', $str); $str = preg_replace('/(?<!\w)سنا(?!\w)/u', 'suna', $str); echo $str; // => کس نے Musa کے بارے میں suna ہے؟将匹配。

使用明确的边界，只有在搜索短语之前/后面没有单词字符时才使用：

(?<!\w)

请参阅PHP demo。

(?!\w)是一个负面的背后隐藏，确保在随后的消费模式之前没有单词char，而Array.reduce()是一个负向前瞻，确保在前一个消费之后没有单词char图案。

Answer 2

Be careful that：

\b和\B ...是根据\w和\W定义的。

\w匹配属于ASCII表的字符，但使用(*UCP)选项或u unicode修饰符定义\w更改时，还包括来自其他语言的所有其他字母但不是组合标记。

这样说，\b永远不会匹配ٰ这样的标记看到非单词字符的位置，因为标记本身被视为非单词字符。

你想要做的更像是弄清楚在موسیٰ之前或之后是否有任何非单词字符，因此断言\S元字符可以完成这项任务：

(?<!\S)موسیٰ(?!\S)

完成此类任务的另一种方法是使用ICU库transliterating整个输入字符串删除所有重音，然后尝试匹配不包含组合标记{{1}的单词موسی }}：

ٰ

输出：

<?php

$strings = [
    'is' => 'کس نے موسیٰ کے بارے میں سنا ہے؟', // input string
    'wts' => 'موسیٰ' // word to search
];

array_walk($strings, function(&$value) {
    $value = transliterator_transliterate('[:Nonspacing Mark:] Remove;', $value);
});

// word boundaries now can be used
echo preg_replace('/\b' . $strings['wts'] . '\b/u', 'musa', $strings['is']);

preg_replace不适用于某些单词/字符

2 个答案: