使用带有 ascii 字符模式和 utf-8 多字节主题的 preg_ 函数是否安全？答案

【问题标题】：Is it safe to use preg_ functions with ascii-character pattern and utf-8 multibyte subject?使用带有 ascii 字符模式和 utf-8 多字节主题的 preg_ 函数是否安全？
【发布时间】：2012-11-08 12:35:13
【问题描述】：

我知道，如果我使用多字节（UTF-8）字符作为模式，我必须使用 mb_ 函数或必须使用 u 选项作为 preg_ 函数的模式。

但是，当我仅对 preg_ 函数的主题使用多字节 (UTF-8) 字符并且仅对模式使用 ascii 字符时，preg_ 函数（没有 u 选项）是否正常工作？

我知道在这种情况下我必须使用mb_ 函数或在模式中添加u 选项：

$str = preg_replace("/$utf8_multibyte_pattern/", '', $str);

我想知道这段代码（u 选项未使用）是否安全：

$ascii_pattern = "[a-zA-Z0-9'$#\\\"%&()\-~|~=!@`{}[]:;+*/.,_<>?_\n\t\r]";
$multibyte_str = preg_replace("/$ascii_pattern/", '', $utf8_multibyte_str);

【问题讨论】：

是的，如果你在最后使用/u（unicode 属性）。看看here。

标签： php preg-replace

【解决方案1】：

也许我自己找到了答案。

但是对字符代码很了解的人，请对此答案发表评论或发布另一个答案。

根据维基百科，UTF-8 字符代码不包含 ascii 代码。

http://en.wikipedia.org/wiki/UTF-8#Advantages

ASCII 字符本身表示为单个字节，不会出现在其他任何地方，这使得 UTF-8 可以与大多数接受字节字符串但仅特殊处理少量 ASCII 代码的现有 API 一起使用。这消除了为每个 API 编写新的 Unicode 版本的需要，并且比任何其他 Unicode 编码更容易将现有系统转换为 UTF-8。

我认为这意味着不带 u 选项的带有 ascii 模式的 preg 函数对于多字节（UTF8）主题是安全的。

还有这段代码（没有 u 选项）

$multibyte_str = preg_replace("/$ascii_pattern/", '', $utf8_multibyte_str);

还有这段代码（带有 u 选项）

$multibyte_str = preg_replace("/$ascii_pattern/u", '', $utf8_multibyte_str);

都是一样的。两者都能正常工作。

我说的对吗？

【讨论】：

绝对正确。在 UTF-8 中，多字节字符不使用 ascii 范围 [\x00-\x7f] 的字节。在这种情况下，使用 u 修饰符是没有用的。也就是说，当你使用像 \d 或 \w 这样的速记字符类时要小心，因为它不包含带有和不带有 u 修饰符的相同字符。

【解决方案2】：

据我所知，只要您像这样使用 unicode 属性 (/u)，它就是安全的：

$ascii_pattern = "[a-zA-Z0-9'$#\\\"%&()\-~|~=!@`{}[]:;+*/.,_<>?_\n\t\r]";
$multibyte_str = preg_replace("/$ascii_pattern/u", '', $utf8_multibyte_str);

要查看有关 unicode 字符的更多信息，请参阅here

【讨论】：

谢谢。但我知道如果我使用 /u 是安全的。问题是如果我不使用 /u 并且不在模式中使用多字节字符串（第一个参数）但使用多字节字符串作为主题（第三个参数）是否安全。