
当使用 preg_match 在包含 Unicode 字符的 HTML 内容中进行简单文本匹配时,若未正确处理编码或修饰符,可能导致匹配失败(返回 false),而 str_contains 却能成功(返回 true)——根本原因通常是 u(UTF-8)修饰符与实际内容编码不兼容,或正则引擎因 u 修饰符对非 UTF-8 安全字节序列报错。
当使用 `preg_match` 在包含 unicode 字符的 html 内容中进行简单文本匹配时,若未正确处理编码或修饰符,可能导致匹配失败(返回 false),而 `str_contains` 却能成功(返回 true)——根本原因通常是 `u`(utf-8)修饰符与实际内容编码不兼容,或正则引擎因 `u` 修饰符对非 utf-8 安全字节序列报错。
在您提供的案例中,目标网页(https://www.php.cn/link/363ed890155b2eeda0aa492cc52e3d34)返回的 HTML 实际上是以 UTF-8 编码传输的,但其内容中混有未经转义的非 ASCII 字符(如保加利亚语 Cyrillic 文本),且响应头未严格声明 Content-Type: text/html; charset=utf-8,导致 PHP 的 file_get_contents() 获取的原始字节流虽为 UTF-8 编码,但在启用 u 修饰符后,PCRE 引擎会对整个模式和字符串执行严格的 UTF-8 合法性校验。
关键问题在于:/actor/miu 中的 u 修饰符要求字符串中每个字节序列都必须是合法的 UTF-8。然而,某些服务器可能因历史原因或配置疏漏,在 UTF-8 响应中夹杂无效字节(例如孤立的 continuation 字节、截断的多字节字符),或页面 HTML 中存在未正确编码的字符实体。此时 preg_match 会直接返回 false(甚至触发警告),而 str_contains() 是纯字节级子串查找,不验证编码,因此不受影响。
✅ 正确做法是:移除 u 修饰符,仅保留 i(忽略大小写)和 m(多行模式,通常非必需):
生成可在 deepbi 沙箱 iframe 内运行或作为独立文件运行的交互式 HTML 页面,使用 `window.deepbi` JS SDK 实现数据查询、空间管理、文件浏览及用户操作。当用户提出以下需求时启用该能力: - 创建 KPI 仪表盘、数据表格、文件浏览器、成员列表、管理页面; - 明确要求“转成 dhtml”、“转译成 HTML”、“把 XX 页面转成……”、“控制台页面”、“管理后台”、“DeepBI 页面迁移”; - 提及位于 `apps/console/src/featur
$html = file_get_contents('https://theatrevazrajdane.bg/%D1%82%D0%B2%D0%BE%D1%80%D1%87%D0%B5%D1%81%D0%BA%D0%B8-%D1%81%D1%8A%D1%81%D1%82%D0%B0%D0%B2/%D0%B0%D0%BA%D1%82%D1%8C%D0%BE%D1%80%D0%B8/2');
// ✅ 推荐:移除 u 修饰符,安全匹配 ASCII 子串
if (preg_match('/actor/i', $html)) {
echo "Found 'actor' (case-insensitive)";
}
// ⚠️ 不推荐:/actor/miu 可能在含非法 UTF-8 字节时静默失败
// if (preg_match('/actor/miu', $html)) { ... } // 可能返回 false 即使字节存在
? 补充建议:
- 若需真正支持 Unicode 字符(如匹配 актьор 或带重音的 àctör),请先确保 $html 是纯净有效的 UTF-8 字符串,可用 mb_detect_encoding($html, ['UTF-8'], true) === 'UTF-8' 验证,并用 mb_convert_encoding($html, 'UTF-8', 'auto') 清理;再使用 /actor/u(注意:此时 actor 本身仍是 ASCII,u 主要影响 \w, \d, . 等元字符行为)。
- 对于仅查找固定 ASCII 关键词(如 'actor'),优先使用 str_contains() 或 stripos() —— 更快、更鲁棒、无编码陷阱。
- 永远避免在不确定编码完整性时盲目添加 u 修饰符;它不是“让正则支持中文”的万能开关,而是开启严格 UTF-8 校验的开关。
总结:preg_match 返回 false 而 str_contains 返回 true,90% 的情况源于 u 修饰符触发了底层 UTF-8 验证失败。移除 u(除非你明确需要 Unicode-aware 元字符),是快速解决问题的关键一步。
前端入门到VUE实战笔记:立即使用
在学习笔记中,你将探索 前端 的入门与实战技巧!










