<?php
$str="aaa";
if(!eregi("[^\x80-\xff]","$str"))
{
echo "是";
}
else
{
echo "不是";
}
?>
<?
$str = "中国";
echo $str;
echo "<hr>";
//if (preg_match("/^[".chr(0xa1)."-".chr(0xff)."]+$/", $str)) { //只能在GB2312情况下使用
if (preg_match("/^[\x7f-\xff]+$/", $str)) { //兼容gb2312,utf-8
echo "正确输入";
} else {
echo "错误输入";
}
?>
如果想判断一个字符串内是否有含有中文,请用下面的代码:
if (preg_match("/[\x7f-\xff]/", $string)) {
echo "有中文";
}else{
echo "没有中文";
}
判断中文和编码有关 gbk是双字节,utf8是三字节,可以根据中文的范围来判断
编码范围1. GBK (GB2312/GB18030)
\x00-\xff GBK双字节编码范围
\x20-\x7f ASCII
\xa1-\xff 中文
\x80-\xff 中文
2. UTF-8 (Unicode)
\u4e00-\u9fa5 (中文)
\x3130-\x318F (韩文
\xAC00-\xD7A3 (韩文)
\u0800-\u4e00 (日文)
ps: 韩文是大于[\u9fa5]的字符
正则例子:
preg_replace(”/([\x80-\xff])/”,”",$str);
preg_replace(”/([u4e00-u9fa5])/”,”",$str);
- //判断内容里有没有中文-GBK (PHP)
- function check_is_chinese( $s ){
- return preg_match( '/[\x80-\xff]./' , $s );
- }
- //获取字符串长度-GBK (PHP)
- function gb_strlen( $str ){
- $count = 0;
- for ( $i =0; $i < strlen ( $str ); $i ++){
- $s = substr ( $str , $i , 1);
- if (preg_match( "/[\x80-\xff]/" , $s )) ++ $i ;
- ++ $count ;
- }
- return $count ;
- }
- //截取字符串字串-GBK (PHP)
- function gb_substr( $str , $len ){
- $count = 0;
- for ( $i =0; $i < strlen ( $str ); $i ++){
- if ( $count == $len ) break ;
- if (preg_match( "/[\x80-\xff]/" , substr ( $str , $i , 1))) ++ $i ;
- ++ $count ;
- }
- return substr ( $str , 0, $i );
- }
- //统计字符串长度-UTF8 (PHP)
- function utf8_strlen( $str ) {
- $count = 0;
- for ( $i = 0; $i < strlen ( $str ); $i ++){
- $value = ord( $str [ $i ]);
- if ( $value > 127) {
- $count ++;
- if ( $value >= 192 && $value <= 223) $i ++;
- elseif ( $value >= 224 && $value <= 239) $i = $i + 2;
- elseif ( $value >= 240 && $value <= 247) $i = $i + 3;
- else die ( 'Not a UTF-8 compatible string' );
- }
- $count ++;
- }
- return $count ;
- }
- //截取字符串-UTF8(PHP)
- function utf8_substr( $str , $position , $length ){
- $start_position = strlen ( $str );
- $start_byte = 0;
- $end_position = strlen ( $str );
- $count = 0;
- for ( $i = 0; $i < strlen ( $str ); $i ++){
- if ( $count >= $position && $start_position > $i ){
- $start_position = $i ;
- $start_byte = $count ;
- }
- if (( $count - $start_byte )>= $length ) {
- $end_position = $i ;
- break ;
- }
- $value = ord( $str [ $i ]);
- if ( $value > 127){
- $count ++;
- if ( $value >= 192 && $value <= 223) $i ++;
- elseif ( $value >= 224 && $value <= 239) $i = $i + 2;
- elseif ( $value >= 240 && $value <= 247) $i = $i + 3;
- else die ( 'Not a UTF-8 compatible string' );
- }
- $count ++;
- }
- return ( substr ( $str , $start_position , $end_position - $start_position ));
- }
- //判断是否是有韩文-UTF-8 (JavaScript)
- function checkKoreaChar(str) {
- for (i=0; i<str.length; i++) {
- if(((str.charCodeAt(i) > 0x3130 && str.charCodeAt(i) < 0x318F) || (str.charCodeAt(i) >= 0xAC00 && str.charCodeAt(i) <= 0xD7A3))) {
- return true;
- }
- }
- return false;
- }
- //判断是否有中文字符-GBK (JavaScript)
- function check_chinese_char(s){
- return (s.length != s.replace(/[^\x00-\xff]/g, "**" ).length);
- }
UTF-8匹配:
在javascript中,要判断字符串是中文是很简单的。比如:
var str = "php编程";
if (/^[\u4e00-\u9fa5]+$/.test(str)) {
alert("该字符串全部是中文");
}
else{
alert("该字符串不全部是中文");
}
php中,是用\x表示十六进制数据的。于是,变换成如下的代码:
$str = "php编程";
if (preg_match("/^[\x4e00-\x9fa5]+$/",$str)) {
print("该字符串全部是中文");
} else {
print("该字符串不全部是中文");
}
貌似不报错了,判断的结果也正确,不过把$str换成“编程”两字,结果却还是显示“该字符串不全部是中文”,看来这样的判断还是不够准确。
重要:查阅了<精通正则表达式>发现,对于[\x4e00-\x9fa5]这块东西,自己做一个强化的解释
php的正则中, [\x4e00-\x9fa5],其实就是 字符和字符组的概念, \x{hex},表达一个16进制数, 需要注意的是hex 可以是1-2位的,也可以是4位的,但是如果是4位的必须加上大括号,
同时,如果是大于x{FF}的hex,必须和u 修饰符连用,不然会非法出错
网上只能找到匹配全角字符的正则: ^[\x80-\xff]*^/ ,这里可以不加大括号
[\u4e00-\u9fa5]可以匹配中文,但是PHP又不支持
不过,既然\x表示的十六进制数据,为什么和js里边提供的范围\x4e00-\x9fa5不一样呢?于是我就换成了下边的代码,发现真的准确了:
$str = "php编程";
if (preg_match("/^[\x{4e00}-\x{9fa5}]+$/u",$str)) {
print("该字符串全部是中文");
} else {
print("该字符串不全部是中文");
}
知道了php中utf-8编码下用正则表达式匹配汉字的最终正确表达式——/^[\x{4e00}-\x{9fa5}]+$/u,
参考以上文章写了如下一段测试代码(复制以下代码保存成.php文件)
<?php
$action = trim($_GET['action']);
if($action == "sub")
{
$str = $_POST['dir'];
//if(!preg_match("/^[".chr(0xa1)."-".chr(0xff)."A-Za-z0-9_]+$/",$str)) //GB2312汉字字母数字下划线正则表达式
if(!preg_match("/^[\x{4e00}-\x{9fa5}A-Za-z0-9_]+$/u",$str)) //UTF-8汉字字母数字下划线正则表达式
{
echo "<font color=red>您输入的[".$str."]含有违法字符</font>";
}
else
{
echo "<font color=green>您输入的[".$str."]完全合法,通过!</font>";
}
}
?>
<form method="POST" action="?action=sub">
输入字符(数字,字母,汉字,下划线):
<input type="text" name="dir" value="">
<input type="submit" value="提交">
</form>
GBK:
preg_match("/^[".chr(0xa1)."-".chr(0xff)."A-Za-z0-9_]+$/",$str); //GB2312汉字字母数字下划线正则表达式
<?php
$str="aaa";
if(!eregi("[^\x80-\xff]","$str"))
{
echo "是";
}
else
{
echo "不是";
}
?>
<?
$str = "中国";
echo $str;
echo "<hr>";
//if (preg_match("/^[".chr(0xa1)."-".chr(0xff)."]+$/", $str)) { //只能在GB2312情况下使用
if (preg_match("/^[\x7f-\xff]+$/", $str)) { //兼容gb2312,utf-8
echo "正确输入";
} else {
echo "错误输入";
}
?>
如果想判断一个字符串内是否有含有中文,请用下面的代码:
if (preg_match("/[\x7f-\xff]/", $string)) {
echo "有中文";
}else{
echo "没有中文";
}