Crie um arquivo test.phpe execute o código abaixo (salve o arquivo com conjunto de caracteres UTF-8).
echo preg_replace("/./","X","Á");
Você obterá XX(deveria retornar apenas um X, mas aqui está o primeiro bug). O PHP está fazendo algumas coisas estranhas aqui com multibyte.
Agora execute este código:
echo preg_replace("/.$/","X","Á");
Você obterá �X. Isso está relacionado ao bug acima, mas por algum motivo o primeiro char é corrompido.
De qualquer forma, há uma maneira fácil de resolver esse problema? Minha regex atual é muito mais complicada do que a acima, é claro que a acima é inútil, mas é o mínimo para reproduzir o bug.
O problema está acontecendo porque a
preg_replacefunção substitui cada caractere na string de entrada por um"X". O caractere"Á"é tratado como um caractere multibyte no PHP, o que significa que ele é armazenado como mais de um byte (ou parte) na memória.Quando
preg_replaceusa o padrão"/./", ele corresponde a cada byte separadamente, não ao"Á"caractere inteiro. Então, em vez de substituir"Á"por um"X", ele substitui cada parte (byte) de"Á"por"X", resultando em"XX".Para consertar você deve usar uma expressão regular que funcione com caracteres multibyte. Assim
Explicação : Adicionar o
umodificador informa ao PHP para tratar a string como UTF-8.O problema com seu segundo código é similar ao primeiro. Aqui está a correção para isso.
Execução online : https://3v4l.org/RLYma