PHP 正确的正则表达式在带有 unicode 的 PHP 5.3.3-7 中不起作用

Question

我正在尝试让这个正则表达式工作，它旨在在一个句子中找到两个单词。

echo (int)preg_match('/\bHello\W+(?:\w+\W+){0,6}?World\b/ui', 'Hello, world!', $matches).PHP_EOL;
print_r($matches);

而且效果很好：

1
Array
(
    [0] => Hello, world
)

...但仅限于拉丁词。如果我切换到 unicode，它什么也找不到。也无需查看语法，因为它来自a book（第 8 章“查找彼此靠近的两个单词”）。问题是它只适用于拉丁词，但不适用于像这样的 unicode 字符串：'Привіт, світу!' （乌克兰语）。

我检查了几乎所有可能的问题：

✓ 我在正则表达式模式中使用了 'u' 标志。

✓ 在执行此语句之前，我在代码中启用了 UTF-8 支持，如下所示：

 ini_set('default_charset', 'UTF-8');
 mb_internal_encoding('UTF-8');
 mb_regex_encoding('UTF-8');

✓ 我在 Debian Linux 上的 PCRE 编译正确：

 # pcretest -C
 PCRE version 8.02 2010-03-19
 Compiled with
   UTF-8 support
   Unicode properties support
   Newline sequence is LF
   \R matches all Unicode newlines
   Internal link size = 2
   POSIX malloc threshold = 10
   Default match limit = 10000000
   Default recursion depth limit = 10000000
   Match recursion uses stack

✓ 我什至尝试在此处将这个奇怪的序列 (*UTF8) 添加到模式 according to this answer 中，但没有帮助：

echo (int)preg_match('/(*UTF8)\bПривіт\W+(?:\w+\W+){0,6}?світу\b/ui', 'Привіт, світу!', $matches).PHP_EOL;
print_r($matches);

结果：

0
Array
(
)

---

所以我的问题是：为什么 unicode 在我在同一代码中使用的其他 unicode 模式完美地工作时不能在这里工作？不过它们更简单一些，就像这样：

echo (int)preg_match('/Привіт/ui', 'Привіт, світу!', $matches).PHP_EOL;
print_r($matches);

这出人意料地有效：

1
Array
(
    [0] => Привіт
)

最后很有趣，它在 online regex tester 上完全可以正常工作（这就是为什么我实际上如此沮丧，我测试了它，然后希望在我的代码中也可以工作，但它没有）。

哦，聪明的 Stackoverflow，请给他一个提示。

Answer 1

我曾经遇到过类似的问题，发现模式中的 UTF-8 符号不适用于某些版本的 PHP。即使是当时的 5.3 版本也有这个问题。在此处查看您的示例：http://3v4l.org/7HurJ。根据该测试，您必须至少拥有 5.3.4 才能使该模式正常工作，但我认为，版本号在这里并没有多大意义。也许，它实际上取决于一些编译选项，或者可能有一种解决方法，但我没有深入挖掘，只是简单地调整了我的方法，不在表达式中使用任何“有趣”的符号。