Установить cURL 7.49.0 на Ubuntu 16.04 и Производные
Похоже, что это «функция», см. http://bugs.php.net/bug.php?id=37391
Переключатель 'u' только делает смысл для pcre, сам PHP не знает об этом.
С точки зрения PHP строки - это байтовые последовательности и возвращаемое смещение байтов, кажется логичным (я не говорю «правильно»).
Извините меня за некропостинг, но может быть кто-то сочтет это полезным: нижеприведенный код может работать как замена для функций preg_match и preg_match_all и возвращает правильные совпадения с правильным смещением для строк с кодировкой UTF8.
mb_internal_encoding('UTF-8');
/**
* Returns array of matches in same format as preg_match or preg_match_all
* @param bool $matchAll If true, execute preg_match_all, otherwise preg_match
* @param string $pattern The pattern to search for, as a string.
* @param string $subject The input string.
* @param int $offset The place from which to start the search (in bytes).
* @return array
*/
function pregMatchCapture($matchAll, $pattern, $subject, $offset = 0)
{
$matchInfo = array();
$method = 'preg_match';
$flag = PREG_OFFSET_CAPTURE;
if ($matchAll) {
$method .= '_all';
}
$n = $method($pattern, $subject, $matchInfo, $flag, $offset);
$result = array();
if ($n !== 0 && !empty($matchInfo)) {
if (!$matchAll) {
$matchInfo = array($matchInfo);
}
foreach ($matchInfo as $matches) {
$positions = array();
foreach ($matches as $match) {
$matchedText = $match[0];
$matchedLength = $match[1];
$positions[] = array(
$matchedText,
mb_strlen(mb_strcut($subject, 0, $matchedLength))
);
}
$result[] = $positions;
}
if (!$matchAll) {
$result = $result[0];
}
}
return $result;
}
$s1 = 'Попробуем русскую строку для теста';
$s2 = 'Try english string for test';
var_dump(pregMatchCapture(true, '/обу/', $s1));
var_dump(pregMatchCapture(false, '/обу/', $s1));
var_dump(pregMatchCapture(true, '/lish/', $s2));
var_dump(pregMatchCapture(false, '/lish/', $s2));
Выход моего примера:
array(1) {
[0]=>
array(1) {
[0]=>
array(2) {
[0]=>
string(6) "обу"
[1]=>
int(4)
}
}
}
array(1) {
[0]=>
array(2) {
[0]=>
string(6) "обу"
[1]=>
int(4)
}
}
array(1) {
[0]=>
array(1) {
[0]=>
array(2) {
[0]=>
string(4) "lish"
[1]=>
int(7)
}
}
}
array(1) {
[0]=>
array(2) {
[0]=>
string(4) "lish"
[1]=>
int(7)
}
}
Я написал небольшой класс для преобразования смещений, возвращаемых preg_match, в соответствующие смещения utf:
final class NonUtfToUtfOffset
{
/** @var int[] */
private $utfMap = [];
public function __construct(string $content)
{
$contentLength = mb_strlen($content);
for ($offset = 0; $offset < $contentLength; $offset ++) {
$char = mb_substr($content, $offset, 1);
$nonUtfLength = strlen($char);
for ($charOffset = 0; $charOffset < $nonUtfLength; $charOffset ++) {
$this->utfMap[] = $offset;
}
}
}
public function convertOffset(int $nonUtfOffset): int
{
return $this->utfMap[$nonUtfOffset];
}
}
Вы можете использовать его следующим образом:
$content = 'aą bać d';
$offsetConverter = new NonUtfToUtfOffset($content);
preg_match_all('#(bać)#ui', $content, $m, PREG_OFFSET_CAPTURE);
foreach ($m[1] as [$word, $offset]) {
echo "bad: " . mb_substr($content, $offset, mb_strlen($word))."\n";
echo "good: " . mb_substr($content, $offsetConverter->convertOffset($offset), mb_strlen($word))."\n";
}
Хотя модификатор u позволяет интерпретировать как образец, так и субъект как UTF-8, захваченные смещения все еще подсчитываются в байтах.
Вы можете использовать mb_strlen
для получить длину в символах UTF-8, а не в байтах:
$str = "\xC2\xA1Hola!";
preg_match('/H/u', $str, $a_matches, PREG_OFFSET_CAPTURE);
echo mb_strlen(substr($str, 0, $a_matches[0][1]));
Попробуйте добавить это (* UTF8) перед регулярным выражением:
preg_match('(*UTF8)/H/u', "\xC2\xA1Hola!", $a_matches, PREG_OFFSET_CAPTURE);
Магия, благодаря комментарию в http://www.php.net/manual/es/function. PREG-match.php # 95828
/
перед (*UTF8)
. Это не работает в моей системе, но может быть и на других. Что это делает, когда вы делаете echo $a_matches[0][1];
?
– JW.
28 February 2012 в 02:05
preg_match_all('/(*UTF8)[^A-Za-z0-9\s]/', $txt, $matches);
– Novalis
5 July 2014 в 09:57
(*UTF8)
до того, как разделитель является ошибкой, после этого не действует. Я подозреваю, что это зависит от того, как / где вы получили свой php, в частности настройки, скомпилированные libpcre*
.
– user
24 November 2016 в 17:37
Если все, что вы хотите сделать, это найти многобайтовое безопасное положение H try mb_strpos ()
mb_internal_encoding('UTF-8');
$str = "\xC2\xA1Hola!";
$pos = mb_strpos($str, 'H');
echo $str."\n";
echo $pos."\n";
echo mb_substr($str,$pos,1)."\n";
Выход:
¡Hola!
1
H
$offset
. Образец:var_dump(preg_match('/#/u', "\xc3\xa4#",$matches,0,2));
– AthanasiusKirchner 24 February 2016 в 10:36