什么时候我需要PHP正则表达式中的u-modifier？

我知道，PHP PCRE函数将字符串视为字节序列，因此许多站点建议使用

/u

修饰符来处理输入，并将正则表达式视为UTF-8

但是，我真的总是需要这个吗？我的测试表明，当我不使用转义序列、点或类似的东西时，这个标志没有任何区别

比如说

preg_match（'/^[\da-f]{40}$/'，$string）

检查字符串是否具有SHA1哈希格式

preg_替换（'/[^a-zA-Z0-9]/'，$spacer，$string）

替换每个非ASCII字母或数字的字符

preg\u replace（'/^\+\（.*）$/'，'\1'，$string）+（XYZ）

这些正则表达式只包含单字节ASCII符号，因此无论编码如何，它都应该在每个输入上工作，不是吗？请注意，第三个正则表达式使用点运算符，但由于我在字符串的开头和结尾处截断了一些ASCII字符，这应该也适用于UTF-8，对吗

谁能告诉我，如果我忽略了什么

u（PCRE_UTF8）
此修饰符打开与Perl不兼容的PCRE的附加功能。模式和主题字符串被视为UTF-8。无效的主题将导致preg_*函数不匹配；无效模式将触发级别E_警告错误。自PHP 5.3.4（分别为PCRE 7.3 2007-08-28）以来，五个和六个八位组UTF-8序列被视为无效；以前，这些被认为是有效的UTF-8

当您必须比较Unicode字符（如韩文或日文）时，您将需要此功能

---

换句话说，除非您不比较非Unicode的字符串（如英语），否则不需要使用此标志。

第一个表达式没有问题。被量化的字符是显式的单字节字符，不能出现在UTF-8多字节序列中

第二个表达式可能会提供比预期更多的间隔符；例如：

---

echo preg_替换（'/[^a-zA-Z0-9]/'，“0”，“非Unicode字符串（如英语）”-“天真的未婚夫喜欢哈根达斯”：但这意味着，我只能使用
u
修饰符，如果我绝对确定我处理用户输入？即，在二进制文件中匹配时，这将失败？您通常不会对非文本数据（如编译代码、zip文件或图像）使用regexp；并且应该始终在文本数据上使用Unicode，除非您有一个传统系统阻止您这样做，或者您有一个时间关键型系统，您负担不起多字节编码的开销（在这种情况下，您肯定不会使用PHP）。在这个时代，几乎没有任何理由不使用Unicode。还有一个问题：当丢弃字符/字节时，第二个表达式可能不是问题（即当
$spacer=''；时用空字符串替换）？是的，第二个的唯一问题是它将替换每个字节而不是每个字符。如果不替换任何内容，则不会出现问题，因为
1*0==3*0
。