PHP：UTF8中的西里尔字符串不区分大小写的preg_replace

如何解决PHP：UTF8中的西里尔字符串不区分大小写的preg_replace

| 我有一个PHP 5.3脚本显示我的网站用户，并想用它的旧名称替换某个俄罗斯城市（存储在PostgreSQL 8.4.7数据库中的UTF8 + CentOS 5.5 / 64位Linux中）（这是一个内部笑话） ：

preg_replace(\'/Волгоград/iu\',\'Сталинград\',$city);

不幸的是，这仅适用于完全匹配：Волгоград。 这不适用于其他情况，例如ВОЛГОГРАД或волгоград。 如果我将源代码修改为

preg_replace(\'/[Вв]олгоград/iu\',$city);

那么它将捕获上述第二种情况。 是否有人知道它发生了什么以及如何解决（假设我不想为每个字母写[Xx]）？ 谢谢！ 亚历克斯 更新：

# rpm -qa|grep php
php53-bcmath-5.3.3-1.el5
php53-gd-5.3.3-1.el5
php53-common-5.3.3-1.el5
php53-pdo-5.3.3-1.el5
php53-mbstring-5.3.3-1.el5
php53-xml-5.3.3-1.el5
php53-5.3.3-1.el5
php53-cli-5.3.3-1.el5
php53-pgsql-5.3.3-1.el5

# rpm -qa|grep pcre
pcre-6.6-2.el5_1.7

解决方法

我无法用PHP 5.3.3（

PHP 5.3.3-1ubuntu9.3 with Suhosin-Patch (cli)

）重现您的问题：

$str1 = \'Волгоград\';
$str2 = \'ВОЛГОГРАД\';
$str3 = \'волгоград\';

var_dump(preg_replace(\'/Волгоград/iu\',\'Сталинград\',$str1));
var_dump(preg_replace(\'/Волгоград/iu\',$str2));
var_dump(preg_replace(\'/Волгоград/iu\',$str3));

输出

string(20) \"Сталинград\"
string(20) \"Сталинград\"
string(20) \"Сталинград\"

您的PHP使用哪个PCRE版本？在

pcre

部分检查

phpinfo()

。那就是我系统上的那个：

...
pcre

PCRE (Perl Compatible Regular Expressions) Support => enabled
PCRE Library Version => 8.02 2010-03-19
...

,您可以跳过正则表达式，它在PHP 5.2.11中对我有用：)

$city = \'Unfortunately this only works for exact matches: Волгоград.

This does not work for other cases,like ВОЛГОГРАД or волгоград.\';

echo str_ireplace(\'Волгоград\',\'[found]\',$city);

输出量

\"Unfortunately this only works for exact matches: [found].

This does not work for other cases,like [found] or [found].\"

这引起了我的兴趣，所以我问了一个问题。,这个解决了这个问题：

setlocale(LC_ALL,\'ru_RU.CP1251\',\'rus_RUS.CP1251\',\'Russian_Russia.1251\');

,我复制并粘贴了您的大笔

В

。确实是

U+D092

，而不是普通的拉丁语

B

。但是，由于它们看起来非常相似：

ВB

，我相信俄语字母会被整理到B16ѭ的拉丁字母B上。 因此，要么是PHP对其进行预格式化，要么PCRE在那里也不精确。测试您的

print PCRE_VERSION;

并查看更新日志。 无论如何，为了避免这个问题，我建议您只使用小写字母。它们更有可能与拉丁字母不同。

preg_replace(\'/волгоград/iu\',$city);

附言：恶作剧！,在我的盒子上就像魅力一样...

<?php
    $city = \'Волгоград\';
    var_dump(preg_match(\'/волгоград/ui\',$city));
    var_dump(preg_match(\'/ВОЛГОГРАД/ui\',$city));
    var_dump(preg_replace(\'/волгоград/ui\',$city));
    var_dump(preg_replace(\'/ВОЛГОГРАД/ui\',$city));

输出：

int 1
int 1
string \'Сталинград\' (length=20)
string \'Сталинград\' (length=20)

您确定输入数据（$ city）在UTF8中吗？,也许尝试：mb_eregi_replace http://www.php.net/manual/zh/function.mb-eregi-replace.php mb_eregi_replace —用多字节支持替换正则表达式，忽略大小写,只是猜测，但是将字符串显式编码为unicode可能会有所帮助：

preg_replace(\'/Волгоград/iu\',utf8_encode(\'Сталинград\'),$city);

,实际上，在Windows上使用PHP 5.2.x时，选择的已解决答案对我不起作用。 我必须经历转换为Windows-1251才能使其运行。 这里是示例：

$new_content = preg_replace(iconv(\'UTF-8\',\'Windows-1251\',\"/\\bгъз\\b/i\"),iconv(\'UTF-8\',\"YYYYYY\"),\"ти си gyz gyz гъз ГЪЗ gyzgyz гЪз gyz\"));
$new_content = iconv(\'Windows-1251\',\'UTF-8\',$new_content);

上面的示例将成功（用大小写替代）\'гъз\'替换为YYYYYY，并返回UTF-8版本。 问候！,对于那些支持庞大的旧代码库，在字符集和编码问题上苦苦挣扎，并且无法选择转换代码字符集的用户-这是一个答案：

//for 
setlocale(LC_ALL,\'ru_RU.cp1251\');  
//(or any other locale) to take effect,//you MUST generate system locale,i.e.

sudo su
#view supported locales
#less /usr/share/i18n/SUPPORTED
echo \"ru_RU.cp1251 CP1251\" >> /var/lib/locales/supported.d/local
dpkg-reconfigure locales
exit

#and (for ubuntu/debian)

apt-get install php5-intl

虽然您可以重写regexp以使用一些utf技巧，将代码转换为utf，但是当您使用庞大的代码库/数据库等时，这不是一个选择