Zend_Validate_Regexで日本語を使うときの注意

Zend FrameworkのZend_Validate_Regexでは、正規表現を書いてバリデーションを行うことができます。
Zend_ValidateにはAlnum(アルファベットや数字)、Alpha、Digits、Dateのような使う頻度が多そうなものから、Barcodeなど変わり種のものまで、さまざまなバリデーションクラスが用意されていますが、日本語に対応するものは用意されていないので、自分でバリデーションクラスを作ってしまうか、もしくはZend_Validate_Regexを使う必要があります。

頻繁に使うのならば、可読性を高めるためにもバリデーションクラスを自作してしまうほうがいいのですが、ちょっとした処理をするのならばZend_Validate_Regexを使ってしまうのもいいかと。

そんなわけでZend_Validate_Regexを使って半角カナの処理をしていたわけですが、どうも思ったような挙動になってくれない。

  new Zend_Validate_Regex('/^[｡-ﾟ]+$/')

こんな感じで書いても、
「ｱｲｳｴｵ」にはマッチするが「ﾀｶﾊｼ」にはマッチしてくれない。

なぜだー！と思いZend_Validate_Regexのソースを読んでみると、

        $this->_setValue($valueString);

        $status = @preg_match($this->_pattern, $valueString);
        if (false === $status) {
            /**
             * @see Zend_Validate_Exception
             */
            require_once 'Zend/Validate/Exception.php';
            throw new Zend_Validate_Exception("Internal error matching pattern '$this->_pattern' against value '$valueString'");
        }

こんな感じで単にpreg_matchで処理しているだけの様子。
もうすこし調べていると、こんなものを発見。

パターン修飾子

u (PCRE_UTF8)
この修正子は、Perl 非互換な PCRE の機能を有効にします。パターン 文字列は、UTF-8 エンコードされた文字列として処理されます。 この修正子は、UNIX では PHP 4.1.0 以降、Win32 では PHP 4.2.3 以降で 使用可能です。 また、PHP 4.3.5 以降では、パターンの UTF-8 としての妥当性も確認されます。

・・・なるほど、/uオプションを付ける必要があったのね。

  new Zend_Validate_Regex('/^[｡-ﾟ]+$/u')

このような感じに変更したところ、意図したとおりの動作に。
半角カナに限らず、UTF-8を利用するときは必ずuオプションを付けるようにしたほうがいいかも。