主页 / coding / 问题 / 78548184
Accepted
Martin Perry
Asked: 2024-05-29 16:13:59 +0800 CST

PHP 多字节正则表达式不适用于 UTF-8 [重复]

  • 772

我有 UTF-8 字符串，我想搜索所有出现的img_(\d+). 我试过原版的

$pattern = '/img_(\d+)/u';
preg_match_all($pattern, $text, $matches, PREG_OFFSET_CAPTURE);

但它给了我错误的模式偏移。

我也尝试过：

mb_internal_encoding('UTF-8');
$pattern = 'img_(\d+)';
mb_ereg_search_init($content, $pattern);

$matches = [];        
while ($result = mb_ereg_search_regs()) {
    $matches[] = [
        'match' => $result[0],
        'offset' => mb_ereg_search_getpos() - mb_strlen($result[0]),
    ];
}

但它给了我与 相同的结果preg_match_all。

但是，当我使用以下命令手动运行搜索时：

$pos = mb_strpos($content, "img_1", 0);

我得到了正确的偏移量。

示例代码：

$str = "příliš žluťoučký img_1 kůn úpěl ďábelské ódy";

$pattern = '/img_(\d+)/u';
preg_match_all($pattern, $str, $matches, PREG_OFFSET_CAPTURE);

print_r($matches); //gives 24 (wrong)

echo mb_strpos($str, "img_1", 0); //gives 17 (correct)

如何解决这个问题？

1 个回答

  1. Best Answer

    preg_match_all()根据文档，该功能似乎按预期工作：

    PREG_OFFSET_CAPTURE
    如果传递此标志，则对于每个发生的匹配，还将返回附加字符串偏移量（以字节为单位）。

    由于它返回以字节为单位的偏移量，因此重音字符计数为 2，并且 24 是正确的值。

    如果您仍然需要获取“多字节偏移量”，您仍然可以使用字节偏移量提取字符串的第一部分，然后计算字符数：

    $str = "příliš žluťoučký img_1 kůn úpěl ďábelské ódy";
preg_match_all('~img_(\d+)~u', $str, $matches, PREG_OFFSET_CAPTURE);

$offset = $matches[0][0][1];
$prefix = substr($str, 0, $offset);
$mb_offset = mb_strlen($prefix);
echo $mb_offset; // output: 17
    • 3

相关问题