【PHP8.x】PREG_BAD_UTF8_ERROR定数の使い方

Copy
1<?php
2
3/**
4 * PHPの正規表現関数におけるPREG_BAD_UTF8_ERRORの発生例と検出方法を示します。
5 *
6 * このエラーは、preg_match()などの正規表現関数に有効なUTF-8ではない文字列が
7 * 入力された場合に発生します。
8 * システムエンジニアを目指す初心者の方は、入力データの文字エンコーディングが
9 * 正しいことを常に確認する重要性を理解するのに役立ちます。
10 */
11function demonstratePregBadUtf8Error(): void
12{
13    // 不正なUTF-8バイトシーケンスを含む文字列を準備します。
14    // 例: "\xc3\x28" は、2バイトUTF-8文字の開始バイト (\xc3) の後に
15    // 適切な継続バイト (0x80-0xBF) ではない不正なバイト (\x28) が続くパターンです。
16    // これにより、PCREエンジンが文字列を有効なUTF-8として解析できなくなります。
17    $invalidUtf8String = "これは不正なUTF-8文字を含みます: \xc3\x28";
18
19    // 正規表現パターンを定義します。
20    // 'u' 修飾子を付けることで、PCREエンジンはパターンと入力文字列を
21    // UTF-8として扱おうとします。
22    // PHP 8では、'u'修飾子がなくても、多くの場合は内部的にUTF-8が期待されますが、
23    // 明示することで意図を明確にします。
24    $pattern = '/不正なUTF-8文字を含みます:/u';
25
26    echo "正規表現マッチングを試行します...\n";
27    echo "入力文字列の一部 (不正なバイトは表示されない場合があります): " . substr($invalidUtf8String, 0, 30) . "...\n";
28
29    // preg_match() を実行します。不正なUTF-8文字列のため、FALSE (エラー) を返す可能性があります。
30    $result = preg_match($pattern, $invalidUtf8String, $matches);
31
32    // preg_match() の戻り値を確認します。
33    // FALSE はエラーが発生したことを示します。
34    if ($result === false) {
35        echo "preg_match() がエラーを返しました。\n";
36
37        // preg_last_error() を使用して、最後のエラーコードを取得します。
38        $errorCode = preg_last_error();
39
40        echo "取得されたエラーコード: " . $errorCode . "\n";
41
42        // エラーコードが PREG_BAD_UTF8_ERROR 定数と一致するか確認します。
43        if ($errorCode === PREG_BAD_UTF8_ERROR) {
44            echo "エラーは PREG_BAD_UTF8_ERROR (不正なUTF-8シーケンス) です。\n";
45            echo "この結果は、入力文字列に有効ではないUTF-8バイトシーケンスが含まれていたことを意味します。\n";
46        } else {
47            echo "予期しない正規表現エラーコードです: " . $errorCode . "\n";
48        }
49    } elseif ($result === 0) {
50        echo "preg_match() はエラーではありませんでしたが、パターンにマッチしませんでした。\n";
51    } else {
52        echo "preg_match() が成功し、パターンが見つかりました。\n";
53        echo "マッチした文字列: " . $matches[0] . "\n";
54    }
55}
56
57// 関数を実行して、PREG_BAD_UTF8_ERROR の動作を確認します。
58demonstratePregBadUtf8Error();

PHPのPREG_BAD_UTF8_ERRORは、preg_match()などの正規表現関数が、有効ではないUTF-8エンコーディングの文字列を入力として受け取った際に発生するエラーを示す定数です。この定数自体には引数や戻り値はありません。

サンプルコードでは、意図的に不正なUTF-8バイトシーケンス（例：\xc3\x28）を含む文字列を作成し、preg_match()関数で処理しようとしています。preg_match()は、不正なUTF-8文字列が与えられた場合、マッチングに失敗してfalseを返します。

このエラーを検出するには、preg_match()がfalseを返した後に、preg_last_error()関数を呼び出します。preg_last_error()は最後に発生した正規表現エラーのコードを数値で返します。この戻り値がPREG_BAD_UTF8_ERROR定数と一致する場合、入力文字列にUTF-8として無効なバイトシーケンスが含まれていたことが分かります。システムエンジニアを目指す初心者の方にとって、入力されるデータの文字エンコーディングが常に正しい状態であることを確認する重要性を理解する良い例となります。

Copy
1<?php
2
3/**
4 * PHPの正規表現関数でPREG_BAD_UTF8_ERRORが発生する状況を示すサンプルコードです。
5 *
6 * この関数は、`preg_match()`に不正なUTF-8文字列を渡し、
7 * `u` (UTF-8) 修飾子が有効な場合にこのエラーがどのように検出されるかを示します。
8 */
9function demonstratePregBadUtf8Error(): void
10{
11    // 不正なUTF-8シーケンスを含む文字列を定義します。
12    // 例: "\xc3\x28" は、2バイトUTF-8文字の開始バイト(0xC3)の後に、
13    // 無効なバイト(0x28、ASCIIの'(')が続くことで、不正なシーケンスとなります。
14    // 正規表現エンジンは、'u'修飾子がある場合、このようなバイト列を不正なUTF-8と判断します。
15    $badUtf8String = "Hello \xc3\x28 World!";
16
17    // 正規表現パターンを定義します。
18    // `/pattern/u` の `u` 修飾子は、パターンと入力文字列をUTF-8として扱います。
19    $pattern = '/World/u';
20
21    // `preg_match()`を実行します。
22    // 不正なUTF-8文字列が入力された状態で`u`修飾子を使用すると、`preg_match()`は
23    // マッチングを試みる前に文字列の妥当性をチェックし、エラーがあれば`false`を返します。
24    if (preg_match($pattern, $badUtf8String, $matches) === false) {
25        // `preg_last_error()`関数は、直前に実行された正規表現関数のエラーコードを返します。
26        $errorCode = preg_last_error();
27
28        echo "preg_match() の実行中にエラーが発生しました。\n";
29        echo "取得されたエラーコード: " . $errorCode . "\n";
30
31        // 取得したエラーコードが`PREG_BAD_UTF8_ERROR`と一致するか確認します。
32        if ($errorCode === PREG_BAD_UTF8_ERROR) {
33            echo "エラーの種類: PREG_BAD_UTF8_ERROR\n";
34            echo "説明: これは、入力文字列が有効なUTF-8形式ではないにもかかわらず、\n";
35            echo "      正規表現に 'u' (UTF-8) 修飾子が指定された場合に発生します。\n";
36            echo "      正規表現エンジンが不正なUTF-8バイトシーケンスを検出しました。\n";
37        } else {
38            echo "予期せぬエラーコード (" . $errorCode . ") が発生しました。\n";
39        }
40    } else {
41        // このコードパスは、不正なUTF-8文字列を使用しているため、通常は実行されません。
42        echo "preg_match() はエラーなく成功しました (予期しない結果)。\n";
43    }
44}
45
46// 関数を実行して動作を確認します。
47demonstratePregBadUtf8Error();
48

PHPのPREG_BAD_UTF8_ERRORは、正規表現関数（preg_matchなど）が返すエラーコードの一つです。これは引数や戻り値を持たない定数であり、特定のエラー状況を示す整数値として利用されます。

このエラーは、正規表現パターンにu（UTF-8）修飾子を指定しているにもかかわらず、入力文字列が有効なUTF-8形式ではない場合に発生します。u修飾子は、正規表現エンジンにパターンと入力文字列をUTF-8として厳密に扱うよう指示しますが、その際に不正なUTF-8バイトシーケンスが検出されると、このエラーが通知されます。

サンプルコードでは、意図的に不正なUTF-8シーケンスを含む文字列を定義し、u修飾子付きのpreg_match()関数に渡しています。preg_match()は、マッチングを試みる前に文字列の妥当性をチェックし、エラーを検出するとfalseを返します。このときpreg_last_error()関数で取得されるエラーコードがPREG_BAD_UTF8_ERRORです。この定数は、正規表現処理において入力文字列のUTF-8エンコーディングに問題があることを明確に示し、開発者がエラー原因を特定し適切に対処するのに役立ちます。