php - preg_split与mb_split

根据PHP manual，PCRE正则表达式的u修饰符启用对模式和主题字符串的UTF-8支持。

考虑到这一点，将PCRE表达式与u修饰符一起使用和相应的mb_*多字节字符串函数之间有什么区别吗？ (假设所有字符串都是UTF-8编码的。)

例如，考虑preg_split与mb_split:两者

preg_split('/' . $pattern . '/u', $string);

和

mb_split($pattern, $string);

似乎返回相同的结果。那么，应该首选哪一个呢？甚至有关系吗？

最佳答案

主要区别在于preg_函数使用pcre library，而mb_ereg_函数(包括mb_split)使用oniguruma library(在2.0版之前的ruby中使用)。

主要原因是oniguruma可以处理多种编码(ASCII，UTF-8，UTF-16BE，UTF-16LE，UTF-32BE，UTF-32LE，EUC-JP，EUC-TW，EUC-KR，EUC-CN， Shift_JIS，Big5，GB18030，KOI8-R，CP1251，ISO-8859-1，ISO-8859-2，ISO-8859-3，ISO-8859-4，ISO-8859-5，ISO-8859-6，ISO- 8859-7，ISO-8859-8，ISO-8859-9，ISO-8859-10，ISO-8859-11，ISO-8859-13，ISO-8859-14，ISO-8859-15，ISO-8859- 16)当pcre不能。

请注意，此列表中未包含可用于mb_函数(例如mb_detect_encoding)的许多编码(例如，UTF-7，ArmSCII-8，CP866)，这限制了mb_ereg_函数的相关性。 (因为您需要先将字符串转换为受支持的编码，然后再进行处理，然后再将其转换回。)

这两个正则表达式引擎或多或少都具有相同的功能，但是您会发现一些区别(并不是很详尽):

Oniguruma不支持:

要写的不带花括号的一个字母unicode速记字符类。例如:\pN被视为pN，您需要编写:\p{N}

Unicode字符类:Xan，Xps，Xsp，Xwd

字符类中的

非转义方括号:Oniguruma将[][]视为两个空字符类，当pcre看到包含]和[的字符类

\K功能

换行序列的\R别名

使用Python语法(?P<name>...)命名的组。仅允许使用(?<name>...)或(?'name'...)。

组引用的内容不是Oniguruma语法:\g<name>(不允许Perl语法(?&name)和(?1)或(?R))。

回溯控制动词

PCRE不支持:

复制了命名组(默认情况下)。您需要使用(?J)修饰符来启用此功能。

用\k<...>语法编号了反向引用。您可以编写\k<name>，但不能编写\k<1>或\k<-1>。

向后引用到特定的嵌套级别。 Oniguruma可以使用\k<name+n>做到这一点，其中n是嵌套级别。

为了使换行符与点匹配，当PCRE使用m修饰符时，Oniguruma使用s修饰符。
在mb_ereg_函数中，默认情况下，点与换行符匹配。 (因此m修饰符默认情况下处于启用状态)。

PCRE使用s修饰符将换行符与点匹配。 m修饰符在PCRE中的行为有所不同，它将^和$ anchor 的含义从字符串的“start”和“end”更改为该行的“start”和“end”。

使用Oniguruma时，这些 anchor 的含义不会改变，它们始终与行的开头和结尾匹配。为了匹配字符串的限制，它使用了PCRE也提供的\A和\z。

请注意，Oniguruma已被 fork 以提供实现更多Perl功能和语法元素的Onigmo(在当前的Ruby版本中使用)，并且与PCRE更相似。

iso

php - preg_split与mb_split