PHPにおけるpreg_matchを使った正規表現

Question

前提・実現したいこと

PHP(Version 5.2.8)にて正規表現のpreg_matchを使い、全角カナの入力チェックを行いたい。
画面に全角カナを入力する欄があり、チェックを行いたい。

回答からの結論：
ソースコードがSJISの場合、正規表現のパターンおよび、チェック対象の文字列の
両方をmb_convert_encodingで"UTF-8"へ変換してpreg_matchを行う。
$KANA_UTF8 = mb_convert_encoding($KANA_SJIS, "UTF-8", "SJIS");
preg_match(mb_convert_encoding('/^[ァ-ヴー 　]+$/u', "UTF-8", "SJIS"), $KANA_UTF8);

発生している問題・エラーメッセージ

想定通りに動作しない。
正規表現をチェックできるサイト（https://regex101.com/）では、
想定通りの動作をしたが、プログラムに組み込み動作を確認したところ、動きが異なった。

該当のソースコード

$KANA = "画面で入力された全角カナ";
if ($KANA == "") {
	$MSG = "必須です";
} elseif (!preg_match('/^[ァ-ヴー 　]+$/u', mb_convert_encoding($KANA, "UTF-8", "SJIS"))) {
	$MSG = "カナを入力して下さい";
}

試したこと

想定した結果はいずれもint(1)でしたが、以下となった。

$KANA_SJIS = "コウ ゾビ";
echo(mb_detect_encoding($$KANA_SJIS)); ⇒SJIS

確認1: var_dump(preg_match('/^[ァ-ヴー 　]+$/', $KANA_SJIS)); ⇒結果：int(1)
確認2: var_dump(preg_match('/^[ァ-ヴー 　]+$/', "ワ")); ⇒結果：int(0)

$KANA_UTF8 = mb_convert_encoding($KANA_SJIS, "UTF-8", "SJIS");

echo(mb_detect_encoding($KANA_UTF8)); ⇒UTF-8
確認3: var_dump(preg_match('/^[ァ-ヴー 　]+$/u', $KANA_UTF8)); ⇒結果：bool(false)

mb_regex_encoding("UTF-8");
確認4: var_dump(preg_match('/^[ァ-ヴー 　]+$/u', $KANA_UTF8)); ⇒結果：bool(false)

確認5:
var_dump(mb_ereg('^[ァ-ヴー 　]+$', $KANA_SJIS)); ⇒結果：int(1)
var_dump(mb_ereg('^[ァ-ヴー 　]+$', "ワ")); ⇒結果：int(1)

補足情報（FW/ツールのバージョンなど）

画面での入力値は、SJISで渡されます。

確認1および2はSJISの状態でチェックしたもので、パスするカナ文字とパスしないカナ文字が存在した。
2バイト目が影響しているような記載を見つけたが、理解できなかった。
https://accelboon.com/tn/s-jis%E3%81%A7%E6%96%87%E5%AD%97%E5%8C%96%E3%81%91%E3%81%97%E3%81%9F%E3%82%8A%E3%83%88%E3%83%A9%E3%83%96%E3%81%A3%E3%81%9F%E3%82%8A%E3%81%99%E3%82%8B%E3%83%80%E3%83%A1%E6%96%87%E5%AD%97%E3%81%9F/

確認3および4はUTF-8に変換した状態でチェックしたが、いずれもパスしなかった。
確認5のみ、想定通りの動作をした。

preg_matchでは、想定通りの動作を期待できないのか知りたい。

Comments

[yambejp]

どこの何がどう表示されることが想定なのでしょうか？

[taku-]

preg_matchで全角カナをチェックする。が目的ですので、
結果としては、全角カナを引数として渡した場合に、int(1)が返ってくれば想定通りの動作です。

ただ、"試したこと"に記載しました通り、preg_matchに全角カナを渡しても、int(1)が返ってこないので、質問させていただきました。

[yambejp]

var_dump(preg_match('/^[ァ-ヴー 　]+$/', "ワ"));
の話ですか？
「どこ」を指定してくれないとわかりませんが・・・

[taku-]

「どこ」というわけではなく、preg_matchを使って全角カナを判定する方法を知りたい。というのが今回の質問です。
"該当のソースコード"と"試したこと"に記載した内容ではpreg_matchで全角カナを判定できなかったので、
どのように記述すれば、preg_matchを使って全角カナを判定できるのか。を教えていただきたいです。

ただ、最初にotnさんが回答くださった内容で、試したところ欲しかった回答が得られました。
preg_match('/^(\xE3\x82[\xA1-\xBF]|\xE3\x83[\x80-\xB6]|\xE3\x83\xBC|\s|\xE3\x80\x80)+$/', "UTF-8に変換した文字列");

"該当のソースコード"が分かりにくいですね。更新しておきます。

[yambejp]

要領を得なそうなので回答の方に記載しておきました

Answer 1

preg_match('/^[ァ-ヴー 　]+$/u', $KANA_UTF8);

のコードをSJISで書いているなら、この正規表現文字列もUTF-8に変換しないと駄目です。

Comments

[taku-]

ありがとうございます、確認してみます。

[taku-]

正規表現の部分をUTF-8のコードで記載したところ、目的の結果が得られました。
preg_match('/^(\xE3\x82[\xA1-\xBF]|\xE3\x83[\x80-\xB6]|\xE3\x83\xBC|\s|\xE3\x80\x80)+$/', "UTF-8に変換した文字列");

一点、ご存知でしたら教えていただきたいのですが、
上記の場合、パターンに修飾子"/u"を加えると、正しく動作しません。
UTF-8に変換した文字列をpreg_matchに渡すので、"/u"が必要と思いましたが、
コードがSJISで書かれているため、正しくは"/s"というイメージでしょうか？

[otn]

そのコードは予想外です。
preg_match(mb_convert_encoding('/^[ァ-ヴー 　]+$/u', "UTF-8", "SJIS"), $KANA_UTF8);
でどうでしょうか？

[otn]

> パターンに修飾子"/u"を加えると、正しく動作しません。
二重引用符にすれば良いかも。一重引用符だと文字列リテラル段階で \ が解釈されません。
と思ったけど、リテラル中にUTF8文字相当のバイト列を書いているわけじゃないのでそのコードでは駄目ですね。
書くならちゃんと文字単位にして、
"/^([\xE3\x82\xA1-\xE3\x82\xBF]|[\xE3\x83\x80-\xE3\x83\xB6]|\xE3\x83\xBC|\s|\xE3\x80\x80)+$/u"
16進だとわかりにくいので、普通に文字で書いた方が良いと思いますけど。

[taku-]

認識が違いました。すみません。
正規表現のパターンをmb_convert_encodingで変換する。という意味でしたね。
こちらの方法で、期待した結果が得られました。

修飾子"/u"については二重引用符で確認してみましたが、ダメでした。
ただ、記述としては提示いただいたソースの方がシンプルで分かりやすいです。
半日程悩んでいたので大変助かりました。ありがとうございます。

Answer 2

pregで日本語をジャッジするならUTF8は必須です
SJISのソースなら内部処理だけUTF8に変換して下さい

<?PHP
header('Content-Type: text/html; charset=Shift_JIS');
mb_internal_encoding("SJIS");
$str="ワ";
print $str;
var_dump(preg_match('/^[ァ-ヴー 　]+$/',$str));
var_dump(preg_match(s2u('/^[ァ-ヴー 　]+$/'),s2u($str)));
var_dump(preg_match(s2u('/^[ァ-ヴー 　]+$/u'),s2u($str)));


function s2u($str){
  return mb_convert_encoding($str,'UTF8','SJIS');
}

Comments

[taku-]

ご丁寧にありがとうございます。
3つ目の記述で、欲しかった結果が得られました。

1. var_dump(preg_match('/^[ァ-ヴー 　]+$/',$str));
2. var_dump(preg_match(s2u('/^[ァ-ヴー 　]+$/'),s2u($str)));
3. var_dump(preg_match(s2u('/^[ァ-ヴー 　]+$/u'),s2u($str)));

[yambejp]

uオプションなしてヒットすることもありますがつけておくに越したことはないでしょう

[taku-]

承知しました、ありがとうございます。

次回以降、回答しやすい質問内容を心掛けます。

[yambejp]

言い忘れましたが
前提としてSJISでPHPを書くこと自体がおすすめできませんのでご注意下さい
（なんらかののっぴきならない理由があるような気はしますが）