php正則匹配中文亂碼問題怎么解決

php正則匹配中文亂碼問題怎么解決？這個(gè)問題可能是我們?nèi)粘W(xué)習(xí)或工作經(jīng)常見到的。希望通過這個(gè)問題能讓你收獲頗深。下面是小編給大家?guī)淼膮⒖純?nèi)容，讓我們一起來看看吧！

php正則匹配中文亂碼的解決辦法：首先打開PHP代碼文件；然后在代碼文件中加上UTF8修飾符即可，其正則表達(dá)式的語句如“preg_replace('/[萬]/u','萬',$a);”。

具體問題：

PHP字符串中用正則表達(dá)式匹配中文出現(xiàn)亂碼

<?php
echo '<h3>正則表達(dá)式匹配中文</h3><br>';
$a = '天地不仁，以萬物為芻狗';
$b = preg_replace('/萬/','萬',$a);
echo $b;
echo '<h3>加上方括號后替換結(jié)果出現(xiàn)亂碼</h3><br>';
$c = '天地不仁，以萬物為芻狗';
$d = preg_replace('/[萬]/','萬',$a);
echo $d;
 ?>

以上程序運(yùn)行結(jié)果可以在http://nyaii.com/s/test.php看到。不知為何，為匹配的中文字符加上方括號后就出現(xiàn)了亂碼。同樣的情形，在javascript中執(zhí)行就一切正常。

 '天地不仁'.replace(/[天]/,'')
 //outputs "地不仁"

解決辦法：

加上UTF8修飾符即可

$d = preg_replace('/[萬]/u','萬',$a);

其余修飾符請見

http://php.net/manual/en/reference.pcre.pattern.modifiers.php

以下為對于題主評論中的問題的補(bǔ)充內(nèi)容

關(guān)于為什么[]內(nèi)就需要加u修飾符的問題，實(shí)際上嚴(yán)格來說，兩種場合你最好都加上u修飾符

但為什么[]就會導(dǎo)致亂碼呢，這就要從字節(jié)層面而不是字符層面來解釋了。

首先我們知道PHP的字符串并不是Unicode進(jìn)行存儲的，然后我們來看下這個(gè)代碼

<?php
$a = "萬";
echo strlen($a); //3
for ($i = 0; $i < strlen($a); $i++) {
    echo dechex(ord($a[$i])) . ' '; //e4 b8 87
}

我們可以拿到"萬"字的utf8十六進(jìn)制編碼是e4b887

所以在沒有開啟utf8修飾符的時(shí)候，正則表達(dá)式引擎并沒有把"萬"當(dāng)成一個(gè)獨(dú)立的字符，而是三個(gè)字節(jié)的連續(xù)數(shù)據(jù)。

以下是結(jié)論：

當(dāng)沒有[]進(jìn)行匹配的時(shí)候，它尋找的是十六進(jìn)制編碼值為 e4 b8 87 的三個(gè)連續(xù)字符，換句話說，實(shí)際上你的模式是\xe4\xb8\x87，但這種連續(xù)字符的出現(xiàn)在你的字符串中，只有"萬"字能對上，所以替換了并不會有亂碼。但如果你的字符串里面可能還要包括四字節(jié)的utf8編碼字符，例如emoji，可能就會導(dǎo)致問題了

當(dāng)你在萬外面包裝了[]，正則表達(dá)式引擎實(shí)際上找的是[\xe4\xb8\x87]，懂正則表達(dá)式的很快就能發(fā)現(xiàn)它實(shí)際上是匹配這三個(gè)字符的任意一個(gè)，所以這個(gè)時(shí)候就會影響到除了萬以外的別的漢字了

當(dāng)你加了utf8修飾符之后，"萬"會被正則表達(dá)式當(dāng)成是一個(gè)獨(dú)立的字符，所以不再會產(chǎn)生這個(gè)問題

至于javascript，因?yàn)樗鼘ψ址幋a是原生的unicode，每個(gè)字符都會被當(dāng)成一個(gè)字符而不是拆分成字節(jié)數(shù)據(jù)，所以不會產(chǎn)生這個(gè)問題

感謝各位的閱讀！看完上述內(nèi)容，你們對php正則匹配中文亂碼問題怎么解決大概了解了嗎？希望文章內(nèi)容對大家有所幫助。如果想了解更多相關(guān)文章內(nèi)容，歡迎關(guān)注億速云行業(yè)資訊頻道。