preg_split 对比 mb_split
preg_split vs mb_split
根据 PHP manual，PCRE 正则表达式的 u 修饰符为模式和主题字符串启用 UTF-8 支持。
考虑到这一点，使用带有 u 修饰符的 PCRE 表达式和相应的 mb_* 多字节字符串函数有什么区别吗？ （假设所有字符串都是 UTF-8 编码。）
例如，考虑 preg_split 与 mb_split：两者
preg_split('/' . $pattern . '/u', $string);
和
mb_split($pattern, $string);
似乎return 相同的结果。那么，应该优先选择哪一个呢？这有关系吗？
只要您严格按照 UTF-8 工作，您都可以。如果您使用另一个 charset，那么建议使用 mb_split()，因为 PCRE 的 u 修饰符不允许您指定 charset，而是将字符串视为UTF-8.
关于扩展和长期生存能力，我建议从一开始就使用 mb_split()，以便在以后使用或需要 UTF-8 以外的东西时，您可以得到保障。
主要区别在于preg_函数使用pcre library, when the mb_ereg_ functions (including mb_split) use the oniguruma library（在2.0版本之前的ruby中使用）。
主要原因是oniguruma可以处理多种编码(ASCII, UTF-8, UTF-16BE, UTF-16LE, UTF-32BE, UTF-32LE, EUC-JP, EUC- TW, EUC-KR, EUC-CN, Shift_JIS, Big5, GB18030, KOI8-R, CP1251, ISO-8859-1, ISO-8859-2, ISO-8859-3, ISO-8859-4, ISO-8859-5、ISO-8859-6、ISO-8859-7、ISO-8859-8、ISO-8859-9、ISO-8859-10、ISO-8859-11、ISO-8859-13、ISO- 8859-14、ISO-8859-15、ISO-8859-16) 当 pcre 不能时。
请注意，许多可用于 mb_ 函数的编码如 mb_detect_encoding 不在此列表中（例如 UTF-7、ArmSCII-8、CP866）限制了 [=11 的相关性=] 功能。 （因为您需要先将字符串转换为受支持的编码，然后再将其转换回来。）
这两个正则表达式引擎或多或少具有相同的功能，但是您可以找到一些不同之处（并非详尽无遗）：
Oniguruma 不支持：
- 一个字母unicode shorthand字符class要写成没有大括号。
例如：\pN被看作pN，你需要写：\p{N}
- unicode字符classes: Xan, Xps, Xsp, Xwd
- 字符中的非转义方括号 class：Oniguruma 将
[][] 视为两个空字符 classes，当 pcre 将字符 class 视为包含 ] 和 [
\K 功能- 换行序列的
\R 别名
- 使用 Python 语法
(?P<name>...) 的命名组。只允许 (?<name>...) 或 (?'name'...)。
- 使用 Oniguruma 语法以外的其他内容对引用进行分组：
\g<name>（不允许使用 Perl 语法 (?&name) 和 (?1) 或 (?R)）。
- 回溯控制动词
PCRE 不支持：
- 重复的命名组（默认）。您需要使用
(?J) 修饰符来开启此功能。
- 带
\k<...> 语法的编号反向引用。您可以写 \k<name> 但不能写 \k<1> 或 \k<-1>.
- 对特定嵌套级别的反向引用。 Oniguruma 可以使用
\k<name+n> 做到这一点，其中 n 是嵌套级别。
为了用点匹配换行符，Oniguruma 使用 m 修饰符，而 PCRE 使用 s 修饰符。
在 mb_ereg_ 函数中，点默认匹配换行符。 （所以默认情况下 m 修饰符是打开的）。
PCRE 使用 s 修饰符来匹配换行符和点。 m 修饰符在 PCRE 中的行为不同，它将 ^ 和 $ 锚点的含义从字符串的 "start" 和 "end" 更改为 "start"和行的 "end"。
对于 Oniguruma，这些锚点的含义不会改变，它们始终匹配行的开头和结尾。为了匹配字符串的限制，它使用 \A 和 \z 也可用于 PCRE。
请注意，Oniguruma 已分叉为 Onigmo（在当前 Ruby 版本中使用）实现了更多 Perl 功能和句法元素，并且与 PCRE 更相似。
根据 PHP manual，PCRE 正则表达式的 u 修饰符为模式和主题字符串启用 UTF-8 支持。
考虑到这一点，使用带有 u 修饰符的 PCRE 表达式和相应的 mb_* 多字节字符串函数有什么区别吗？ （假设所有字符串都是 UTF-8 编码。）
例如，考虑 preg_split 与 mb_split：两者
preg_split('/' . $pattern . '/u', $string);
和
mb_split($pattern, $string);
似乎return 相同的结果。那么，应该优先选择哪一个呢？这有关系吗？
只要您严格按照 UTF-8 工作，您都可以。如果您使用另一个 charset，那么建议使用 mb_split()，因为 PCRE 的 u 修饰符不允许您指定 charset，而是将字符串视为UTF-8.
关于扩展和长期生存能力，我建议从一开始就使用 mb_split()，以便在以后使用或需要 UTF-8 以外的东西时，您可以得到保障。
主要区别在于preg_函数使用pcre library, when the mb_ereg_ functions (including mb_split) use the oniguruma library（在2.0版本之前的ruby中使用）。
主要原因是oniguruma可以处理多种编码(ASCII, UTF-8, UTF-16BE, UTF-16LE, UTF-32BE, UTF-32LE, EUC-JP, EUC- TW, EUC-KR, EUC-CN, Shift_JIS, Big5, GB18030, KOI8-R, CP1251, ISO-8859-1, ISO-8859-2, ISO-8859-3, ISO-8859-4, ISO-8859-5、ISO-8859-6、ISO-8859-7、ISO-8859-8、ISO-8859-9、ISO-8859-10、ISO-8859-11、ISO-8859-13、ISO- 8859-14、ISO-8859-15、ISO-8859-16) 当 pcre 不能时。
请注意，许多可用于 mb_ 函数的编码如 mb_detect_encoding 不在此列表中（例如 UTF-7、ArmSCII-8、CP866）限制了 [=11 的相关性=] 功能。 （因为您需要先将字符串转换为受支持的编码，然后再将其转换回来。）
这两个正则表达式引擎或多或少具有相同的功能，但是您可以找到一些不同之处（并非详尽无遗）：
Oniguruma 不支持：
- 一个字母unicode shorthand字符class要写成没有大括号。
例如：\pN被看作pN，你需要写：\p{N} - unicode字符classes: Xan, Xps, Xsp, Xwd
- 字符中的非转义方括号 class：Oniguruma 将
[][]视为两个空字符 classes，当 pcre 将字符 class 视为包含]和[ \K功能- 换行序列的
\R别名 - 使用 Python 语法
(?P<name>...)的命名组。只允许(?<name>...)或(?'name'...)。 - 使用 Oniguruma 语法以外的其他内容对引用进行分组：
\g<name>（不允许使用 Perl 语法(?&name)和(?1)或(?R)）。 - 回溯控制动词
PCRE 不支持：
- 重复的命名组（默认）。您需要使用
(?J)修饰符来开启此功能。 - 带
\k<...>语法的编号反向引用。您可以写\k<name>但不能写\k<1>或\k<-1>. - 对特定嵌套级别的反向引用。 Oniguruma 可以使用
\k<name+n>做到这一点，其中n是嵌套级别。
为了用点匹配换行符，Oniguruma 使用 m 修饰符，而 PCRE 使用 s 修饰符。
在 mb_ereg_ 函数中，点默认匹配换行符。 （所以默认情况下 m 修饰符是打开的）。
PCRE 使用 s 修饰符来匹配换行符和点。 m 修饰符在 PCRE 中的行为不同，它将 ^ 和 $ 锚点的含义从字符串的 "start" 和 "end" 更改为 "start"和行的 "end"。
对于 Oniguruma，这些锚点的含义不会改变，它们始终匹配行的开头和结尾。为了匹配字符串的限制，它使用 \A 和 \z 也可用于 PCRE。
请注意，Oniguruma 已分叉为 Onigmo（在当前 Ruby 版本中使用）实现了更多 Perl 功能和句法元素，并且与 PCRE 更相似。