[az]是否会匹配PREG/PCRE中的重音字符？

我已经知道\w在PCRE中(特别是PHP的实现)有时可以匹配一些非ASCII字符,具体取决于系统的语言环境,但是呢[a-z]？

我不这么认为,但我注意到Drupal的核心文件之一中的这些行(包括/ theme.inc,简化):

// To avoid illegal characters in the class,
// we're removing everything disallowed. We are not using 'a-z' as that might leave
// in certain international characters (e.g. German umlauts).
$body_classes[] = preg_replace('![^abcdefghijklmnopqrstuvwxyz0-9-_]+!s', '', $class);

这是真的吗,还是只是有人[a-z]混淆了\w？

长话短说:也许,取决于应用程序部署的系统,取决于PHP的编译方式,欢迎来到本地化和国际化的CF.

在确定"az"的含义时,底层PCRE引擎会考虑区域设置.在基于西班牙语的语言环境中,ñ将被az捕获.az的语义是"a和z之间的所有字母,而ñ是西班牙语中的单独字母.

但是,PHP盲目处理字符串作为字节集合而不是UTF代码点集合的方式意味着你有一种情况,即az MIGHT匹配重音字符.考虑到Drupal被部署到的不同系统的多样性,他们会选择明确允许的字符,而不是仅仅信任az来做正确的事情.

我还猜想这个正则表达式的存在是关于德语变音符号未被过滤的错误报告的结果.

2014年更新:根据JimmiTh的回答,看起来(尽管有一些"令人困惑的非核心开发人员"文档)[a-z]只会在abcdefghijklmnopqrstuvwxyz99%的时间内与人物相匹配.也就是说 - 框架开发人员往往会对代码中的模糊性感到不安,特别是当代码依赖于PHP无法正常处理的系统(特定于语言环境的字符串)时,以及开发人员无法控制的服务器.虽然匿名Drupal开发人员的评论不正确 - 这不是" [a-z]混淆\w"的问题,而是Drupal开发人员不清楚/不确定PCRE如何处理[a-z],并选择更具体的形式abcdefghijklmnopqrstuvwxyz来确保他们想要的特定行为.

Drupal代码中的注释错误.

这是不是真的," international characters (e.g. German umlauts)"可能匹配[a-z].

例如,如果您有德语区域设置,您可以这样检查:

setlocale(LC_ALL, 'de_DE'); // German locale (not needed, but you never know...)
echo preg_match('/^[a-z]+$/', 'abc') ? "yes\n" : "no\n";
echo preg_match('/^[a-z]+$/', "\xE4bc") ? "yes\n" : "no\n"; // äbc in ISO-8859-1
echo preg_match('/^[a-z]+$/',  "\xC3\xA4bc") ? "yes\n" : "no\n"; // äbc in UTF-8
echo preg_match('/^[a-z]+$/u', "\xC3\xA4bc") ? "yes\n" : "no\n"; // w/ PCRE_UTF8

yes
no
no
no

#if HAVE_SETLOCALE
    if (strcmp(locale, "C"))
        tables = pcre_maketables();
#endif