はじめに

mbstring に含まれる鬼車(Oniguruma)(mb_ereg_*系関数の正規表現ライブラリー)のバージョンが、PHP7.2 から 6.3.0 がベースとなった。(PHP5.6-7.1 は、5.9.5 がベース。)(鬼車 6.0.0 で、 update Unicode data to 8.0.0 となった。(鬼車の履歴))

そのため、以下のスクリプトは、真逆の結果を返す。(https://3v4l.org/NeqNo)

<?php
//echo 'PHP_VERSION: ', PHP_VERSION, "\n";
mb_regex_encoding('UTF-8') || exit("mb_regex_encoding('UTF-8') error.");
foreach (['0085', '180e'] as $hex) {
    $utf8 = mb_convert_encoding(pack('N', hexdec($hex)), 'UTF-8', 'UTF-32BE');
    echo "U+{$hex}", (mb_ereg_match('\A[\s]\z', $utf8) ? ' match \\s !' : '')."\n";
}
foreach (['00ad', '200B'] as $hex) {
    $utf8 = mb_convert_encoding(pack('N', hexdec($hex)), 'UTF-8', 'UTF-32BE');
    echo "U+{$hex}", (mb_ereg_match('\A[[:cntrl:]]\z', $utf8) ? ' match cntrl !' : '')."\n";
}

Output for 7.2.0

U+0085 match \s !
U+180e
U+00ad
U+200B

Output for 5.6.0 - 5.6.30, hhvm-3.18.5 - 3.22.0, 7.0.0 - 7.1.12

U+0085
U+180e match \s !
U+00ad match cntrl !
U+200B match cntrl !

変更点の一部をピックアップ

サポートするUnicode 文字プロパティーが増えた

PCRE(preg_*) のUnicode 文字プロパティでサポートされていないプロパティを含む、
UTF8, UTF16, UTF32で有効なプロパティ名一覧は、Unicode Properties (from Unicode Version: 8.0.0) を参照

`\s`(`[:space:]`, `[:blank:]`) は、`U+180E` が対象外となった。

U+180E (Mongolian Vowel Separator) は、
[:White_Space=Yes:] に含まれないが、
Unicode8.0.0 で、スペースとしてリストされている。

また、PCRE(preg_*) では、 U+180E (Mongolian Vowel Separator) は、space characters 扱いとなっている。
pcre2.txt
pcre/pcre2_internal.h?rev=39
/* Character U+180E (Mongolian Vowel Separator) is not included in the list of
spaces in the Unicode file PropList.txt, and Perl does not recognize it as a
space. However, in many other sources it is listed as a space and has been in
PCRE (both APIs) for a long time. */

php-7.2.0/mbstring/oniguruma/unicode_property_data.c#L2792

/* PROPERTY: 'Space': POSIX [[:Space:]] */
static const OnigCodePoint
CR_Space[] = { 10,
0x0009, 0x000d,
0x0020, 0x0020,
0x0085, 0x0085,
0x00a0, 0x00a0,
0x1680, 0x1680,
0x2000, 0x200a,
0x2028, 0x2029,
0x202f, 0x202f,
0x205f, 0x205f,
0x3000, 0x3000,
}; /* END of CR_Space */

php-7.1.12/mbstring/oniguruma/unicode.c#L2012

/* 'Space': [[:Space:]] */
static const OnigCodePoint CR_Space[] = {
  11,
  0x0009, 0x000d,
  0x0020, 0x0020,
  0x0085, 0x0085,
  0x00a0, 0x00a0,
  0x1680, 0x1680,
  0x180e, 0x180e,
  0x2000, 0x200a,
  0x2028, 0x2029,
  0x202f, 0x202f,
  0x205f, 0x205f,
  0x3000, 0x3000
}; /* CR_Space */

`[:cntrl:]` の対象文字

php-7.2/mbstring/oniguruma/unicode_property_data.c#L678

/* PROPERTY: 'Cntrl': POSIX [[:Cntrl:]] */
static const OnigCodePoint
CR_Cntrl[] = { 2,
0x0000, 0x001f,
0x007f, 0x009f,
}; /* END of CR_Cntrl */

php-7.1.12/mbstring/oniguruma/unicode.c#L517

/* 'Cntrl': [[:Cntrl:]] */
static const OnigCodePoint CR_Cntrl[] = {
  19,
  0x0000, 0x001f,
  0x007f, 0x009f,
  0x00ad, 0x00ad,
  0x0600, 0x0603,
  0x06dd, 0x06dd,
  0x070f, 0x070f,
  0x17b4, 0x17b5,
  0x200b, 0x200f,
  0x202a, 0x202e,
  0x2060, 0x2063,
  0x206a, 0x206f,
  0xd800, 0xf8ff,
  0xfeff, 0xfeff,
  0xfff9, 0xfffb,
  0x1d173, 0x1d17a,
  0xe0001, 0xe0001,
  0xe0020, 0xe007f,
  0xf0000, 0xffffd,
  0x100000, 0x10fffd
}; /* CR_Cntrl */

参考

ドキュメント

定義(ソース)

(Onigmo/unicode/name2ctype.h)