PHP 7.4下如何用正则匹配含修饰符的完整Unicode grapheme？

问题背景 #

需要匹配完整的Unicode显示字符（即grapheme集群），包含所有修饰符、连接序列，但现有正则存在局限性：

• 使用/./u只能匹配单个Unicode码点，无法覆盖组合序列：
  • ❤️只会匹配基础emoji（不含变体选择符U+FE0F）
  • 👧🏻只会匹配基础人物emoji（不含浅肤色标记U+1F3FB）
  • à（U+0061+U+0300）只会匹配字母a（不含重音标记）
• 自定义正则/.[\x{1f3fb}-\x{1f3ff}\p{M}]?/u仅能覆盖部分场景，无法匹配零宽连接符（U+200D）组成的组合emoji（如🙍🏽‍♂，未捕获后续的男性符号U+2642）

解决方案 #

方案1：使用\X元字符（推荐） #

PHP 7.4基于PCRE2，支持\X元字符，它直接匹配完整的Unicode grapheme集群，自动覆盖所有组合标记、emoji修饰符、变体选择符、零宽连接符序列等场景。

示例代码：

$text = '❤️ 👧🏻 à 🙍🏽‍♂ 测试文字';
preg_match_all('/\X/u', $text, $matches);
print_r($matches[0]);
// 输出：Array ( [0] => ❤️ [1] =>  [2] => 👧🏻 [3] =>  [4] => à [5] =>  [6] => 🙍🏽‍♂ [7] =>  [8] => 测 [9] => 试 [10] => 文 [11] => 字 )

方案2：手动构建正则（自定义场景） #

若需更精细的控制，可手动枚举grapheme集群的组成部分，覆盖所有常见修饰符与连接序列：

$pattern = '/[^\p{Z}\p{C}](?:[\p{M}\p{Emoji_Modifier}\x{FE0F}\x{200D}\p{Emoji_Component}])*/u';

各部分说明：

• [^\p{Z}\p{C}]：匹配非空白、非控制字符的基础字符
• \p{M}：所有组合标记（重音、变音符号等）
• \p{Emoji_Modifier}：emoji肤色修饰符（U+1F3FB~U+1F3FF）
• \x{FE0F}：emoji变体选择符
• \x{200D}：零宽连接符（用于组合emoji序列）
• \p{Emoji_Component}：emoji组件（如性别符号U+2640、U+2642等）

内容的提问来源于stack exchange，提问作者404 Not Found