只有特定日语字符的IIS上php preg_match_all的不同结果

Question

我们有一个问题，一个函数根据我们正在运行的服务器提供不同的结果。

职能如下：

<?php
$s='校';
preg_match_all( '/".*?("|$)|((?<=[\\s",+])|^)[^\\s",+]+/', $s, $matches );

结果因环境而异：

WAMP (php 5.5.12 PCRE 8.34)和

LAMP (php5.3.3PCRE7.8)环境都给出了相同的结果

array (size=3)
  0 => 
    array (size=1)
      0 => string '校' (length=3)
  1 => 
    array (size=1)
      0 => string '' (length=0)
  2 => 
    array (size=1)
      0 => string '' (length=0)

WS2008 IIS7 (php 5.4.24 PCRE 8.32)

array(3) { 
    [0]=> array(2) { 
        [0]=> string(1) "�" 
        [1]=> string(1) "�" 
    } 
    [1]=> array(2) { 
        [0]=> string(0) "" 
        [1]=> string(0) "" 
    }
    [2]=> array(2) { 
        [0]=> string(0) "" 
        [1]=> string(0) "" 
    }
}

现在，真正奇怪的是，有许多不同的日语字符，结果将是正确的，在所有的环境。现在，我们唯一能复制这个问题的是这个“校”角色。无论它是伴随的(例如$s=‘校正’)还是单独的，结果在IIS上总是不同的，看起来像是编码问题'�‘。

我首先尝试查看php版本和PCRE版本，但这两个版本都是我们的LAMP上的旧版本，所以我想问题可能在其他地方.

问候

Answer 1

在处理Unicode字符串时，需要传递带有模式的/u修饰符。

使用

'/".*?("|$)|((?<=[\s",+])|^)[^\s",+]+/u'.

另外，您应该注意到，在单个引用的文字中，不需要在\\s中使用双反斜杠，只需使用一个反斜杠。