正则表达式中的 Unicode 支持

Question

我正在尝试突出显示/加粗字符串中的匹配词。以下函数适用于英语，但不适用于 Unicode 支持。我试图在正则表达式规则中添加 Unicode 支持的u，但对我不起作用。

function highlight_term($text, $words)
{
    preg_match_all('~[A-Za-z0-9_äöüÄÖÜ]+~u', $words, $m);
    if( !$m )
    {
        return $text;
    }
    $re = '~(' . implode('|', $m[0]) . ')~i';
    return preg_replace($re, '<b>$0</b>', $text);
}
$str = "ह ट इ ड यन भ भ और द";
echo highlight_term($str, 'और');

输出

��� ��� ��� ��� ������ ��� ��� ������ ���

预期产出

ह ट इ ड यन भ भ ःर द

Answer 1

修复当前的方法

请注意，您可以将第一个正则表达式更改为~[p{L}p{M}]+~u以匹配所有 Unicode 字母(p{L}修饰符u成为 Unicode 感知并匹配任何 Unicode 字母(和变音符号(p{M}匹配组合标记(，并将u修饰符添加到第二个preg_replace：

function highlight_term($text, $words)
{
    $i = preg_match_all('~[p{L}p{M}]+~u', $words, $m);
    if( $i == 0  )
    {
        return $text;
    }
    $re = '~' . implode('|', $m[0]) . '~iu';
    return preg_replace($re, '<b>$0</b>', $text);
}
$str = "ह ट इ ड यन भ भ और द";
echo highlight_term($str, 'और');

结果：ह ट इ ड यन भ भ <b>और</b> द .

查看 PHP 演示

您需要在第二个正则表达式中使用u修饰符，因为传递给模式的文本是 Unicode，并且您仍然可以使用 Unicode 字符串。第二个正则表达式中不需要外括号，因为您只对整个匹配值感兴趣(使用反向引用替换$0(。

更好的方式

您可以将单词数组传递给突出显示函数，并且仅将整个单词与单词边界直接传递给preg_replace函数匹配：

function highlight_term($text, $words)
{
    return preg_replace('~b(?:' . implode("|", $words) . ')b~u', '<b>$0</b>', $text);
}
$str = "ह ट इ ड यन भ भ और द";
echo highlight_term($str, ['और','भ']);
// => ह ट इ ड यन <b>भ</b> <b>भ</b> <b>और</b> द

查看此 PHP 演示