php preg_replace：ascii字符串的unicode修饰符

Question

我需要使用正则表达式在我的php脚本中处理字符串。但是有一个问题 - 不同的字符串有不同的编码。如果string只包含ascii符号，mb_detect_encoding函数将返回'ASCII'。但是，如果字符串包含俄语符号，例如mb_detect_encoding返回'UTF-8'。我想，手动检查每个字符串的编码并不是一个好主意。 所以问题是 - 对ascii字符串使用preg_replace（使用unicode修饰符）是否正确？为ascii和utf-8字符串编写代码preg_replace ("/[^_a-z]/u","",$string);是正确的吗？

Answer 1

如果两个选项是“UTF-8”或“ASCII”，那就不会有问题，但事实并非如此。

如果PHP不使用UTF-8，它使用ISO-8859-1，它不是ASCII（它是ASCII的超集，前127个字符。它是ASCII的超集。有些字符，例如瑞典语å，ä和ö可以用ISO-8859-1和Unicode表示，具有不同的代码点！我认为这对于preg_ *函数来说并不重要所以它可能不适用于你的问题，但在使用不同的编码时请记住这一点。

你应该真的，真的尝试知道你的字符串所在的字符集，没有mb_detect_encoding的魔力（mb_detect_encoding不是保证，只是一个很好的猜测）。例如，通过HTTP获取的字符串确实具有在HTTP标头中指定的字符集。

Answer 2

是的，你总是可以使用Unicode修饰符，它不会影响结果和性能。

Answer 3

7位ASCII字符集以UTF-8编码相同。如果你有一个ASCII字符串，你应该能够在其上使用PREG“u”修饰符。

但是，如果你有一个“补充”的8位ASCII字符集，如ISO-8859-1，Windows-1252或HP-Roman8，那么最左边的位设置为开启的字符（值x80-xff）不会被编码在UTF-8中也是如此，使用PREG“u”修饰符是不合适的。