Почему preg_match неправильно определяет позицию, если в строке есть диакритические знаки?

Question

[Евгений Обыкновенный]

$str = 'ab'. mb_convert_encoding( '́', 'UTF-8', 'HTML-ENTITIES' ). 'cdef'; 
// $str = ab́cdef
preg_match( '#de#ui', $str, $matches, PREG_OFFSET_CAPTURE );
// $matches = Array ( [0] => Array ( [0] => de [1] => 5 ) ) 
$subs = mb_substr( $str, $matches[0][1], null, 'UTF-8' );
// $subs = ef

Позиция вхождения de, которую дает preg_match, должна быть 4, а не 5. В итоге функция mb_substr копирует подстроку не с той позиции. Почему так? Как согласовать работу preg_match и mb_substr?

Comments

[ThunderCat]

https://ru.wikipedia.org/wiki/%D0%9A%D0%BE%D0%BC%D...

[Евгений Обыкновенный]

ThunderCat, и что там по этому вопросу?

[ThunderCat]

Евгений Обыкновенный, По этому вопросу все правильно выбирается, так как реально символов в строке 5, ab(ударение)cd...

[Евгений Обыкновенный]

ThunderCat, но позиции считаются с 0.
a - 0
b - 1
' - 2
c - 3
d - 4

[Евгений Обыкновенный]

ThunderCat, а в доках пишут, что preg_match возвращает позицию в байтах. А как найти позицию в символах, чтоб воспользоваться функций копирования подстроки.

[ThunderCat]

Евгений Обыкновенный,

' - 2

- тут 2 байта

preg_match возвращает позицию в байтах.

Да, так и есть, в принципе проще выбирать строку ДО de и считать от нее mb_strlen(), и будет отступ.

Answer 1

[rPman]

попробуй mb_ereg_match вместо preg_match, так как он работает с байтами в строке а не мультибайтовыми как все mb_...