PHP+trim乱码,PHP的trim和preg_replace导致乱码的问题及解决

trim问题发现

某天，线上展示的数据，发现多了问号，一排查，上游数据里多了0xC2和0xA0，百度查了一下，说是UTF8格式的空格，对应 网页里的 这个东东。

ok，问题找到了，简单对数据做一个trim就好了嘛，于是代码改成：

$name = trim($name, chr(0xc2) . chr(0xa0));

嗯，这么简单的代码还测试啥，上线吧！

结果，当天就有负责审核的同学找来了，怎么数据都会少字啊，比如漫画变成了漫，画字不见了……

var_dump(trim('平安普惠', chr(0xc2) . chr(0xa0)));

// 打印结果是 平安普，少了一个惠字

查了一下资料，原来php默认不能正确处理多字节字符，比如中文，如果要处理中文，要用mb_开头的函数，参考：http://php.net/manual/zh/ref.mbstring.php

可是，问题来了，没有 mb_trim这样的函数啊啊啊!

还好，上面的页面里也给了解决方案，用正则+utf8模式代替，嗯，php官方参考页面有其它用户提供了解决方案：

function mb_trim($string, $trim_chars = '\s'){

return preg_replace('/^['.$trim_chars.']*(?U)(.*)['.$trim_chars.']*$/u', '\\1',$string);

}

好吧，我稍微优化了一下，变成：

function mb_trim($string){

return preg_replace('/(^\s*)|(\s*$)/u', '', $string);

}

这回不能盲目上线了，对库中400万的数据遍历测试了一轮，果然出问题了，

$str = '破千魂';

$str2 = mb_trim($str);

var_dump($str2); // str2变成了NULL

查了半天资料，没有结论，后面想到\s*，即使没有空格也会进行替换，效率不好，改成\s+，结果就ok了，汗，最终的mb_trim函数定义如下：

function mb_trim($string){

// u模式符表示 字符串被当成 UTF-8处理

return preg_replace('/(^\s+)|(\s+$)/u', '', $string);

}

后语，为啥\s*会出错呢？偶然发现在php5.2版本上，\s*也能正常工作，hhvm下也是正常的， 再看我出问题的php，是5.4.33，赶紧去官网重新下载了一个5.4.45(php5.4最后一个版本)，编译并测试后，发现结果也是正常的，重新下载5.4.33编译，问题依旧， 至此，确认那是php5.4.33的一个bug了，不过最后那个版本的mb_trim还是能正常工作的。 记录下来。