PHP一段正则表达式匹配结果不一致的问题

Question

我自定的函数如下，功能是匹配出特殊字符：

function hasSpecialChar($subject) {
    $pattern = "/[`~!@#$%^&*()+=|{}':;',\\[\\].<>\/?~！@#￥%……&*（）——+|{}【】‘；：”\"“’。，、？]/";

    if (preg_match($pattern, $subject)) {
        return true;
    }

    return false;
}

我的结果：

var_dump(hasSpecialChar('问答社区')); // boolean true
var_dump(hasSpecialChar('Segmentfault')); // boolean false
var_dump(hasSpecialChar('@Segmentfault')); // boolean true

可以从第一个结果中看出是'问答社区'这个中文字符串被匹配出了特殊字符，但是我在Rubular上匹配'问答社区'则匹不出特殊字符，请问是不是我哪里写错了？还是preg_match函数的为题呢？一直找不到原因。

路过的大哥们帮帮忙，谢谢。

Answer 1

但是我在Rubular上匹配'问答社区'则匹不出特殊字符

Rubular是基于Ruby的，Ruby 1.9以后对中文支持得很不错了。

请问是不是我哪里写错了？

需要加上u修饰符，开启UTF-8支持

$pattern = "/[`~!@#$%^&*()+=|{}':;',\\[\\].<>\/?~！@#￥%……&*（）——+|{}【】‘；：”\"“’。，、？]/u";

一直找不到原因。

是PHP对中文支持不够好。

中文在PHP里是以16进制保存的，这就带来问题了。

比如，你的例子中，你匹配的那些特殊符号中包括中文的逗号，你告诉PHP的是，我要匹配一组特殊符号，其中包括中文的逗号，[，]，但是PHP不认识中文，它听到的是，你要匹配一组数据，其中包括\xef、\xbc、\x8c（中文逗号转换成十六进制），然后你传给它的“问答社区”，其中“区”字转换成十六进制就是\xe5、\x8c、\xba。你可以看到，这里\x8c匹配上了，所以最后结果是true。

同理，你可以尝试找一下答字是因为和哪个特殊符号的十六进制匹配上了?

Answer 2

php汉字匹配可以考虑 mb_ 相应的函数，例如:mb_ereg()，虽然有些问题，但是大体上能比较省事的解决问题。
如果使用GBK字符集建议考虑转成UTF-8再处理。

Answer 3

PHP如果需要处理中文正则，请一定使用小写字母U
如把你的代码改成 这个即可

$pattern = "/[`~!@#$%^&*()+=|{}':;',\\[\\].<>\/?~！@#￥%……&*（）——+|{}【】‘；：”\"“’。，、？]/u";

不过我经常这样干

$pattern = "/[`~!@#$%^&*()+=|{}':;',\\[\\].<>\/?~！@#￥%……&*（）——+|{}【】‘；：”\"“’。，、？]/isu";