соответствие границ слова регулярного выражения php в utf-8

Question

У меня есть следующий php-код в php-файле utf-8:

var_dump(setlocale(LC_CTYPE, 'de_DE.utf8', 'German_Germany.utf-8', 'de_DE', 'german'));
var_dump(mb_internal_encoding());
var_dump(mb_internal_encoding('utf-8'));
var_dump(mb_internal_encoding());
var_dump(mb_regex_encoding());
var_dump(mb_regex_encoding('utf-8'));
var_dump(mb_regex_encoding());
var_dump(preg_replace('/\bweiß\b/iu', 'weiss', 'weißbier'));

Я бы хотел, чтобы последнее регулярное выражение заменяло только полные слова, а не части слов.

На моем компьютере с Windows он возвращает:

string 'German_Germany.1252' (length=19)
string 'ISO-8859-1' (length=10)
boolean true
string 'UTF-8' (length=5)
string 'EUC-JP' (length=6)
boolean true
string 'UTF-8' (length=5)
string 'weißbier' (length=9)

На веб-сервере (linux) я получаю:

string(10) "de_DE.utf8"
string(10) "ISO-8859-1"
bool(true)
string(5) "UTF-8"
string(10) "ISO-8859-1"
bool(true)
string(5) "UTF-8"
string(9) "weissbier"

Таким образом, регулярное выражение работает так, как я ожидал, в Windows, но не в Linux.

Итак, главный вопрос заключается в том, как я должен написать свое регулярное выражение, чтобы оно совпадало только по границам слов?

Второстепенный вопрос заключается в том, как я могу сообщить Windows, что я хочу использовать utf-8 в своем php-приложении.

Answer 1

Даже в режиме UTF-8 стандартные сокращения класса, такие как \w и \b не поддерживают Юникод.Вам просто нужно использовать сокращения в Юникоде, как вы уже выяснили, но вы можете сделать это немного менее уродливым, используя поисковые системы вместо чередований:

/(?<!\pL)weiß(?!\pL)/u

Обратите также внимание, что я убрал фигурные скобки из сокращений класса Unicode;вы можете сделать это, когда имя класса состоит из одной буквы.

Answer 2

вот что я нашел на данный момент.Переписав шаблоны поиска и замены следующим образом:

$before = '(^|[^\p{L}])';
$after = '([^\p{L}]|$)';
var_dump(preg_replace('/'.$before.'weiß'.$after.'/iu', '$1weiss$2', 'weißbier'));
// Test some other cases:
var_dump(preg_replace('/'.$before.'weiß'.$after.'/iu', '$1weiss$2', 'weiß'));
var_dump(preg_replace('/'.$before.'weiß'.$after.'/iu', '$1weiss$2', 'weiß bier'));
var_dump(preg_replace('/'.$before.'weiß'.$after.'/iu', '$1weiss$2', ' weiß'));

Я получаю желаемый результат:

string 'weißbier' (length=9)
string 'weiss' (length=5)
string 'weiss bier' (length=10)
string ' weiss' (length=6)

как на моем компьютере с Windows, работающем под управлением apache, так и на размещенном веб-сервере Linux, работающем под управлением apache.

Я предполагаю, что есть какой-то лучший способ сделать это.

Кроме того, я все еще хотел бы настроить местоположение моего компьютера с Windows на utf-8.

Answer 3

Предполагаю, что это было связано с Ошибка #52971

PCRE-Мета-символы, подобные \b \w не работает со строками в юникоде.

и исправлено в PHP 5.3.4

Расширение PCRE: Исправлена ошибка #52971 (PCRE-Мета-символы, не работающие с utf-8).

Answer 4

Согласно этот комментарий, это ошибка в PHP.Использует ли \W вместо того , чтобы \b принести какую-либо пользу?