说PCRE可能不一定能反应过来，但是说PHP中的perl兼容正则表达式，肯定是早闻大名了。一直以来都觉得PHP都Unicode字符支持不错，从变量名到函数名，基本上标识符无一例外都支持Unicode。所以在PHP中类似：
这样的用法，简直让人”不亦乐乎“。想一想每次写程序，都要为变量名怎么取、怎么缩略而头疼的时候，想想每次为使用匈牙利命名法还是GNU命名法而头疼的时候，这一特性，不是让一切问题迎刃而解了么？
广告扯得有点远了，回来看看今天的主题——正则表达式中的中文字符。
正则表达式非常强大（虽然也有点让人觉得很复杂），但是其强大甚至是变态的匹配能力不得不让人折服。PHP中既有采用了比较彪悍的Perl兼容的正则函数，也有采用POSIX兼容的正则函数。相比之下前者无疑效率更高。这些函数就是由PHP中的PCRE库默认提供的。
在使用正则表达式的时候，有一个非常头疼的问题，就是中文（准确说是非ASCII字符）的匹配。通常会按照一个字节一个字节来匹配，这样经常是匹配不了的，即便是匹配出来了，结果也是乱码的（准确说只是匹配出Unicode字符的第一个字节，然后提取出来的也是第一个字节，自然是乱码了）。
作为对Unicode具有良好支持的PHP，自然也考虑到了这一点。在Perl兼容的情况下，增加了一种”u“模式，用于Unicode字符的正则匹配。举例来说：
结果是空的，匹配失败。因为这里的”不“字，虽然逻辑上是一个字，但实际上占用的是3个字节（UTF8编码，其他编码不同）。所以上面这样匹配不出来。改成这样就可以了：
也许你会说，既然这样，大不了以后我就直接把中文字当成三个字节的，不久仍然没问题了？这个应用看上去是没问题了，可是如果改成下面这个例子：
这个表达式是能够匹配出来的，但是匹配出来的是乱码。因为看上去是匹配今天、明天、后天三个中的一个，实际上匹配的是今、明、后这三个字的Unicode码中的三个字节。假设他们的Unicode码分别是0xaabbcc、0xddeeff 0x112233。那么这个表达式实际上匹配的是0xaa、0xbb、0xcc、0xdd、0xee、0xff、0x11、0x22、0x33中任意一个字符后接”天不用上课了吧“。所以匹配出来的自然是乱码。
遇到这种情况，也许你会选择使用下面的方式来代替：
实践证明，也是可以的。这里实际上不再是匹配一个字（今、明、后），而是一个由三个字节组成的表达式相或的结果。所以，这个方法虽然解决了这个问题，但是有点”转移战线“、”偷梁换柱“的嫌疑。我们再用一个例子来说明这个问题：
按道理，这应该是能够匹配的。但是匹配出来的结果却是乱码。这里就无法用上面的方式解决了。所以我们还是切入我们今天的正题，用PHP开发人员给我们提供的功能——unicode模式正则匹配，请看下面的例子：
只需要在正则匹配串后面加上一个u模式字符（Unicode模式），就一切搞定了。同样的，在上面几个例子中，完全可以不用修改表达式，只需要在后面加上一个u模式字符串，就能搞定了。另外，PHP的正则还有好几个模式可用，大家可以去PHP手册中围观。