正規表現メモ(2)

Tweet

Category php 2013/03/24

問題

正規表現のマッチの結果がおかしい？

答え

UTF-8以外の環境でのマルチバイト文字を使った、
[ 　]* （[半角スペース全角スペース]*）　とか
[あいうえお]+　とかの正規表現は、
危険だと反射的に思っていいと思います。

例えば、EUC環境で、

preg_match('/[あ]+/', '△△△', $m);
var_dump($m);

↓ マッチする

array(1) {
[0]=>
string(6) "△△△"
}

みたいな事が起きます。

理由

EUC-JPの「あ」はa4a2
EUC-JPの「△」はa2a4
EUC-JPの「△△△」はa2a4a2a4a2a4
→ あ（a4a2）が△△△（a2a4a2a4a2a4）にマッチしてしまう