PHP：preg_replace

PHP - preg_replace と EUC

Perlの正規表現を利用したとき、preg_replace を使うと EUC の扱いに注意しなければならない。EUC では、好⊂ストなので「好」という漢字を置き換えようとしたときに「スト」のスの２バイト目とトの１バイト目にマッチしてしまいます。

そこで、EUCを一旦 UTF-8 に変換して正規表現を利用します。しかし、処理が遅いのが欠点です。

ソースコード

<?php
  // タグの外の文字をボールドに
  $string  = 'これは<a href="abc.php?d=好き">好き<a>なテストです。';
  $replace = '好';

  // 間違って置換してしまう
  print preg_replace("/((?:\G|>)[^<]*?)($replace)/i", "\\1<b>\\2</b>", $string)."\n";

  // 一旦、UTF-8 にして置換
  print utf_preg_replace("/((?:\G|>)[^<]*?)($replace)/i", "\\1<b>\\2</b>", $string)."\n";

  function utf_preg_replace($pattern, $replacement, $subject, $limit=-1) {
      $pattern  = mb_convert_encoding($pattern, "UTF-8", "eucjp-win");
      $replacement = mb_convert_encoding($replacement, "UTF-8", "eucjp-win");
      $subject  = mb_convert_encoding($subject, "UTF-8", "eucjp-win");
      $subject  = preg_replace($pattern, $replacement, $subject, $limit);
      $subject  = mb_convert_encoding($subject, "eucjp-win", "UTF-8");
      return $subject;
  }
?>

【実行結果】

オリジナルの文字列：	これは好きなテストです。
preg_replace の場合文字化けする：	これは好きなテ�好箸任后�
utf_preg_replace の場合：	これは好きなテストです。