如何在 PHP 中使用 preg_replace 匹配俄语单词？

Question

如何在 PHP 中匹配字符串（也是俄语）中的俄语单词？

例如，像这样的事情：

$pattern = '/слово/';
preg_replace($pattern, $replacement, $string_in_russian)

我尝试了 utf8_encode 和 htmlentities 以及 $pattern 的 UTF-8 标志，但它不起作用。我还应该对 $string_in_ Russian 进行编码吗？

更新： /u 标志的建议不起作用，因此我放置了我需要的实际代码。它来自 Wordpress 的词汇表插件（我的网站已正确设置为使用俄语，并且它确实有效，但在本例中不起作用）。所以这是代码

$glossary_title = $glossary_item->post_title;
$glossary_search = '/\b'.$glossary_title.'s*?\b(?=([^"]\*"[^"]\*")\*[^"]*$)/iu';
$glossary_replace = '<a'.$timestamp.'>$0</a'.$timestamp.'>';
$content_temp = preg_replace($glossary_search, $glossary_replace, $content, 1);

当我对 HTML 注释进行快速回显时，这就是我得到的模式字符串
/\bсловоs*?\b(?=([^"]*"[^"]")[^"]*$)/iu

那么，似乎仍然不起作用。我想也许是“s”把我搞砸了（这个级别的正则表达式有点超出了我的范围，但我认为它是可能的复数），但删除它并没有帮助。

更新＃2：好吧，所以我决定做一个完整的“空白石板”测试 - 纯 PHP 文件，其中包含一些英语和俄语的 $content 字符串以及要替换的目标单词，这是代码

$content_en = 'Nulla volutpat pretium nunc, ac feugiat neque lobortis vitae. In eu sapien sit amet eros tincidunt viverra. <b style="color:purple">Proin</b> congue hendrerit felis, et consequat neque ultrices lobortis. <b style="color:purple">Proin</b> luctus bibendum libero et molestie. Sed tristique lacus a urna semper eget feugiat lacus varius. Donec vel sodales diam. <b style="color:purple">Proin</b> fringilla laoreet purus, a facilisis nisi porttitor vel. Nullam ac justo ac elit laoreet ullamcorper vel a magna. Suspendisse in arcu sapien.';
$find_en = 'proin';
$replace_with_en = '<em style="color:red">REPLACEMENT</em>';
$glossary_search = '/\b'.$find_en.'s*?\b(?=([^"]*"[^"]*")*[^"]*$)/iu';
$content_en_replaced = preg_replace($glossary_search, $replace_with_en, $content_en);

$content_ru = 'Lorem Ipsum используют потому, что тот обеспечивает более или менее стандартное заполнение шаблона, а также реальное распределение букв и пробелов в абзацах, которое не получается при простой дубликации "Здесь <b style="color:purple">ваш</b> текст.. Здесь <b style="color:purple">ваш</b> текст.. Здесь <b style="color:purple">ваш</b> текст.." Многие программы электронной вёрстки и редакторы HTML используют Lorem Ipsum в качестве текста по умолчанию.';
$find_ru = 'ваш';
$replace_with_ru = '<em style="color:red">Многие</em>';
$glossary_search = '/\b'.$find_ru.'s*?\b(?=([^"]*"[^"]*")*[^"]*$)/iu';
$content_ru_replaced = preg_replace($glossary_search, $replace_with_ru, $content_ru);

，这是。输出的屏幕截图 http://www.flickr.com/photos/iliadraznin/5372578707/< /a>

正如您所看到的，英语文本已替换目标单词，而俄语文本则没有，并且代码相同，并且我使用 /u 标志。该文件也是 UTF-8 编码的。（有什么建议吗？再次，我尝试删除“s”，仍然没有）

Answer 1

如果您进行真正的空白测试，您会发现俄语没有任何问题 - 实际上是单词边界方面破坏了正则表达式。

$glossary_search = '/'.$find_ru.'/iu'; // Works fine
$glossary_search = '/\b'.$find_ru.'\b/iu'; // Breaks

单词边界简写不支持 UTF-8，因此，根据这个问题： php 正则表达式 utf-8 中的单词边界匹配 您可以尝试以下操作：

$glossary_search = '/(?<!\pL)'.$find_ru.'(?!\pL)/iu';

在我的测试中效果很好。

Answer 2

对于初学者，您必须确保您的 php 文件是使用 UTF-8 编码的。即使文件中没有任何 UTF-8 字符（它们可能是从另一个文件传入的），文件也必须是 UTF-8，文件内部的函数才能使用 UTF-8。

Answer 3

PCRE 正则表达式中的“u”选项提供 Unicode，因此：

<?php
  $str = 'тест бла бла бла';
  if(preg_match("'тест'isu", $str, $match))
  {
    echo $match;
  }
?>

另外，preg_replace 的示例：

<?php
  $str = 'тест бла бла бла';
  echo preg_replace("'бла'isu", '', $str);
?>