PHP中UNICODE字符代码与正则表达式的匹配方法

ainiaa的问题是PHP代码复制如下： $ words=' 0123456789 abcdefghijklmnopqrstuwx[email protected]# $ % *()_-=[]\ \，/{} |?'你好，我们；$ other str=preg _ replace('/[chr(128)-chr(256)]/is '，' '，$ words)；echo 'otherStr: '，$ otherStr为什么打印出来的结果是：otherStr:# $% {} | '“大家好，我们来问一下正则表达式/[chr(128)-chr(256)]/是代表什么？如果/[chr(128)-chr(256)]/是指ascii码在128到256之间的字符，为什么像a-zA-Z这样的字符被替换了，它们的ascii码小于127？最郁闷的是为什么ascii码在0-127的范围内“#”、“$”、“%”、“”、“！”。“{”、“}”、“|”、“'”、“还没有被替换？更神奇的是，如果将正则表达式修改为“/[chr(128)-chr(256)] /s”，输出结果将变成：other str : defg ijklmnopq stu vwxyz！# $% {} | '“您好，我们刚刚从正则表达式中删除了符号‘I’，结果丢失了。我不能完全理解。我想知道你的意见是什么。在附ascii码对照表的回复中(我就不贴ASCII码对照表的图片了)，有网友说chr(128)没有解析，给出了新的解决方案。首先假设这位网友的回答是正确的，不评论他是否“知道为什么，并且知道为什么”。这位网友没有给出错误的理由。CFC4N来回答这位网友：PHP的正则preg_match函数使用了PCRE正则引擎。在这位网友的代码中，PCRE引擎处理的正则表达式是[/[chr(128)-chr(256)] /is]。以下是什么？在PHP正则化中，边界字符被称为模式修饰符。它告诉引擎如何解析和处理规律性。其中I修饰语表示不区分大小写。s代表“点匹配模式”，用于制作元字符点[。]在与换行符的常规匹配中，此修饰符仅在点[].在这位网友的问题中，修饰语s不起作用。搜索原因：我们正在分析这位网友写的正则表达式[[chr(128)-chr(256)]。正则表达式的PCRE引擎如何解释这种规律性？首先我们要知道在正则表达式中，括号[[]]代表的是字符组，除了connector [-]之外，都不是元字符，也就是说都是普通字符。当然，如果连字符先出现，或者没有标识两个字符之间的范围，那只是一个普通的字符条“-”。Chr(128)这里只标识ASCII码为128(准确的说，只有0-127个ASCII码，128到其他的码不应该叫ASCII码。)，但在正则中，他还是代表了八个字符[c，h，r，(，1，2，8，](停顿不是，只是区分易读)。这个规则中的连接字符有哪些范围？显然，这里连接字符的范围是[) -c]，而“)”的ASCII码是029，十进制是41；“c”的ASCII码是063，也就是十进制的99，所以“c”的连接字符范围是从ASCII 41(chr(41))到ASCII 99(chr(99))。也就是说，这个网友的常规范围是[[hr]-c (]]，也就是chr(41)到chr(99)加上首字母hr和前面的“(”)。网友第一次测试的时候有一个修饰语I，意思是chr(41)和chr(99)之间的人物和他们的格，如果有的话，都匹配。会被空格代替。在第二个测试中，修饰符I被移除，并进行不区分大小写的匹配。因为它的射程只有C，但是突然增加了小写字母“H”和“R”，测试结果会是“defgijklmnopqstuvwxyz”。因此，他的结果有这些差异。

该网友的表情相当于下图。

解决方法：错误原因已查明。解决方案呢？来看看这位网友的需求。他的要求是把unicode的chr(128)到chr(255)的字符进行匹配(ASCII只有0-127位，128之后应该叫UNICODE)，用空字符替换。在正则表达式中，有两种方式来表示十六进制字符匹配，[\u]和[\x{}]。前者只能表示[\u]最后四位的十六进制值，而后者[\x{}]可以表示任意数量的十六进制数字(用大括号写)。那么，这个正则表达式怎么写呢？网友的目的是chr(128)到chr(255)，所以是[[\u0080-\u00FF]]或者[\ u 0080 }-\ u 00FF]]。目的是匹配下图中红色方框中的字符。

提醒一下，在PHP中定期匹配unicode字符时，需要使用U修饰符。根据网友需求，修改后的PHP代码如下：复制代码如下： $ words='[email protected]# $ % *()_-=[]\ \，/{} |?'你好，我们；$ other str=preg _ replace('//[\ x { 0080 }-\ x { 00FF }]/iu '，' '，$ words)；echo 'otherStr: '，$ otherStr因此，字符串仍然被输出。为什么呢？因为没有一个字符串在chr(128)到chr(255)的范围内。(测试时，注意文件编码为UTF-8。)以上是我的拙见。请批评指正。