如何在PHP中使用preg_replace匹配俄语单词？

如何在PHP中匹配字符串中的俄语单词（也是俄语）

举个例子：

$pattern = '/слово/';
preg_replace($pattern, $replacement, $string_in_russian)

我尝试使用UTF-8标志对$pattern进行

utf8\u编码

和

htmlentities

，但没有成功。我是否也应该用俄语对$string_进行编码

更新：对/u标志的建议不起作用，所以我将实际的代码放在这里。它来自Wordpress的词汇表插件（我的站点正确设置为使用俄语，它确实可以工作，但在本例中不起作用）。这是代码

$glossary_title = $glossary_item->post_title;
$glossary_search = '/\b'.$glossary_title.'s*?\b(?=([^"]\*"[^"]\*")\*[^"]*$)/iu';
$glossary_replace = '<a'.$timestamp.'>$0</a'.$timestamp.'>';
$content_temp = preg_replace($glossary_search, $glossary_replace, $content, 1);

$content_en = 'Nulla volutpat pretium nunc, ac feugiat neque lobortis vitae. In eu sapien sit amet eros tincidunt viverra. <b style="color:purple">Proin</b> congue hendrerit felis, et consequat neque ultrices lobortis. <b style="color:purple">Proin</b> luctus bibendum libero et molestie. Sed tristique lacus a urna semper eget feugiat lacus varius. Donec vel sodales diam. <b style="color:purple">Proin</b> fringilla laoreet purus, a facilisis nisi porttitor vel. Nullam ac justo ac elit laoreet ullamcorper vel a magna. Suspendisse in arcu sapien.';
$find_en = 'proin';
$replace_with_en = '<em style="color:red">REPLACEMENT</em>';
$glossary_search = '/\b'.$find_en.'s*?\b(?=([^"]*"[^"]*")*[^"]*$)/iu';
$content_en_replaced = preg_replace($glossary_search, $replace_with_en, $content_en);

$content_ru = 'Lorem Ipsum используют потому, что тот обеспечивает более или менее стандартное заполнение шаблона, а также реальное распределение букв и пробелов в абзацах, которое не получается при простой дубликации "Здесь <b style="color:purple">ваш</b> текст.. Здесь <b style="color:purple">ваш</b> текст.. Здесь <b style="color:purple">ваш</b> текст.." Многие программы электронной вёрстки и редакторы HTML используют Lorem Ipsum в качестве текста по умолчанию.';
$find_ru = 'ваш';
$replace_with_ru = '<em style="color:red">Многие</em>';
$glossary_search = '/\b'.$find_ru.'s*?\b(?=([^"]*"[^"]*")*[^"]*$)/iu';
$content_ru_replaced = preg_replace($glossary_search, $replace_with_ru, $content_ru);

当我快速回显到HTML注释中时，这就是我为模式获取的字符串类型

/\bСааааs*？\b（？=（[^”]*“[^”]”[^”]”[^”]*$）/iu

好吧，这似乎仍然不起作用。我想可能是“s”把我搞糊涂了（这个级别的正则表达式我有点不懂，但我想它是为可能的复数而存在的），但删除它并没有帮助

更新#2：好的，所以我决定做一个完整的“blankslate”测试纯PHP文件，其中包含一些英语和俄语的$content字符串以及要替换的目标词

$glossary_title = $glossary_item->post_title;
$glossary_search = '/\b'.$glossary_title.'s*?\b(?=([^"]\*"[^"]\*")\*[^"]*$)/iu';
$glossary_replace = '<a'.$timestamp.'>$0</a'.$timestamp.'>';
$content_temp = preg_replace($glossary_search, $glossary_replace, $content, 1);

$content_en = 'Nulla volutpat pretium nunc, ac feugiat neque lobortis vitae. In eu sapien sit amet eros tincidunt viverra. <b style="color:purple">Proin</b> congue hendrerit felis, et consequat neque ultrices lobortis. <b style="color:purple">Proin</b> luctus bibendum libero et molestie. Sed tristique lacus a urna semper eget feugiat lacus varius. Donec vel sodales diam. <b style="color:purple">Proin</b> fringilla laoreet purus, a facilisis nisi porttitor vel. Nullam ac justo ac elit laoreet ullamcorper vel a magna. Suspendisse in arcu sapien.';
$find_en = 'proin';
$replace_with_en = '<em style="color:red">REPLACEMENT</em>';
$glossary_search = '/\b'.$find_en.'s*?\b(?=([^"]*"[^"]*")*[^"]*$)/iu';
$content_en_replaced = preg_replace($glossary_search, $replace_with_en, $content_en);

$content_ru = 'Lorem Ipsum используют потому, что тот обеспечивает более или менее стандартное заполнение шаблона, а также реальное распределение букв и пробелов в абзацах, которое не получается при простой дубликации "Здесь <b style="color:purple">ваш</b> текст.. Здесь <b style="color:purple">ваш</b> текст.. Здесь <b style="color:purple">ваш</b> текст.." Многие программы электронной вёрстки и редакторы HTML используют Lorem Ipsum в качестве текста по умолчанию.';
$find_ru = 'ваш';
$replace_with_ru = '<em style="color:red">Многие</em>';
$glossary_search = '/\b'.$find_ru.'s*?\b(?=([^"]*"[^"]*")*[^"]*$)/iu';
$content_ru_replaced = preg_replace($glossary_search, $replace_with_ru, $content_ru);

$content\u en='Nulla volatium pretium nunc，ac feugiat neque lobortis vitae.在欧盟的智者中，坐着的是一个充满活力的人。Proin congue hendrerit felis，et consequeat neque ultrices lobortis.Proin luctus bibendum libera and molestie.Sed tristique lacus a urna semper eget feugiat varius.Donec vel sodales diam.Proin fluilla laoreet p乌鲁斯，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂，一家工厂；
$find_en='proin'；
$replace_with_en=‘REPLACEMENT’；
$glossary_search='/\b'.$find_en.*s*？\b（？=（[^“]*”[^“]*”）*[^“]*”）/iu'；
$content_en_replaced=preg_replace（$glossary_search，$replace_with_en，$content_en）；
$contentзru='Lorem Ipsumзззззззззззззаа、жжзза， которое не получается при простой дубликации "Здесь ваш текст.. Здесь ваш текст.. Здесь ваш текст.."莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼·莫扎里尼；
$find_ru='ofааа'；
$replace_为_-ru='Мццццццц'；
$glossary_search='/\b'.$find_ru.*？\b（？=（[^“]*”[^“]*”）*[^“]*”）/iu'；
$content_ru_replaced=preg_replace（$glossary_search，$replace_with_ru，$content_ru）；

这是输出的屏幕截图

---

正如你所看到的，英文文本替换了目标词，而俄文文本没有，代码相同，我使用的是/u标志。该文件也是UTF-8编码的。有什么建议吗？（我再次尝试删除“s”，仍然没有任何建议）

对于初学者，您必须确保您的php文件使用UTF-8编码。即使文件中没有任何UTF-8字符（它们可能是从另一个文件传入的），文件必须是UTF-8，文件中的函数才能与UTF-8一起工作。

如果你做一个真正的空白板测试，你会发现俄语没有问题-实际上是单词边界方面打破了正则表达式

$glossary_search = '/'.$find_ru.'/iu'; // Works fine
$glossary_search = '/\b'.$find_ru.'\b/iu'; // Breaks

单词边界速记不支持UTF-8，因此，根据这个问题：您可以尝试以下方法：

$glossary_search = '/(?<!\pL)'.$find_ru.'(?!\pL)/iu';

PCRE regexp中的“u”选项提供Unicode，因此：

<?php
  $str = 'тест бла бла бла';
  if(preg_match("'тест'isu", $str, $match))
  {
    echo $match;
  }
?>

---

我检查过了，它是UTF-8，至少当我将它保存在记事本++中时是这样。整个网站在俄语中工作得很好-URL、永久链接，我可以搜索，见鬼，甚至YARP插件似乎也可以工作。它应该只是正则表达式中的语法问题，缺少或不正确的东西。-/你能发布一个传递表达式的字符串吗？在ASCII中，例如，为了排除编码。通过“传递表达式”你的意思是有效吗？任何英语单词都有效，至少是我尝试过的少数几个-如果它在$content中，它会找到它并用$glossary\u replace替换。我只对俄语单词有问题。所以“/\bwords*？\b（？=（[^”]*“[^”]”[^”]“[^”]*）/I”works你想用这个正则表达式捕获什么？我很好奇，因为我把你的脚本简化了，所以它就是
$glossary\u search='/'.$find\u ru./iu'；
，而且很有效。老实说，我不知道：）这是一个取自wordpress词汇表插件的脚本。我不是正则表达式方面的专家，所以我认为这是必要的，也许是为了解释潜在的html标记，或者格式化标记，或者类似的东西。我从没想过这和单词边界有关。谢谢似乎表达式的其余部分（（？=（[^“]*”[^“]*”*[^“]*$）打破了它，但我可以根据语言使用不同的表达式，所以这应该不是问题。通过
\b
的单词边界实际上与
相同（？：（？\b
与
相同）（？：（？\w
要匹配Unicode字母属性，必须改用
[\pL\pM\p{Nl}]
；否则它还匹配十进制数和连接器标点。要使
\w
在Java中正确工作，需要
[\pL\pM\p{Nd}\p{Nl Nl}\p{Pc}[\p{InEnclosedAlphanumerics}&\p{So}]
，但是你不能在php中使用连接字符类。但是你可能没有尾随位，所以只要
[\pL\pM\p{Nd}\p{Nl}\p{Pc}]
。这意味着
\b
必须是
（？：）游说以纠正这个疏忽！在苏联，俄语单词regex与你匹配！