preg_replace 带有非英语字符的正则表达式错误，字符无法识别

Question

我正在使用以下函数从字符串中删除空格：

$str = preg_replace('/\s+/', '', $str);

我正在输入这串法语字符：ù û ü ÿ à â æ ç é è ê ë ï î ô 注意每个字符之间都有一个空格。

à 字符无法识别；这是输出的样子：ùûüÿ�âæçéèêëïîô

知道为什么吗？我也尝试过将 str 转换为 UTF-8 也无济于事。

---

更新：我发现以下帖子 (Weird problem with preg_replace and chinese character) 在正则表达式末尾添加 u 可以解决问题，如下所示：

$str = preg_replace('/\s+/u', '', $str);

这似乎解决了这个问题，但有人可以解释为什么会发生这种情况以及官方解决方案解释 u 在这个正则表达式中的作用吗？

Answer 1

默认情况下，PHP 正则表达式引擎将您的字符串视为一组字节（即一组单字节字符）。

当你使用 u 修饰符时，正则表达式引擎会改变两件事：

• 字符串被视为 utf8 字符串（因此字符最终被编码为多个字节）
• 简写字符类（如\s、\w、\d...）的含义更改为包含 unicode 字符，而不仅仅是 ascii 字符。

请注意，这两个更改也可以像这样显式编写，在模式的开头而不是使用 u 修饰符：

(*UTF8)(*UCP)yourpattern

您可以找到 PHP here 使用的 pcre 正则表达式引擎的完整文档。