php 中文编码

一、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);

 

PHP正则表达式中不支持下列 Perl 转义序列：/L, /l, /N, /P, /p, /U, /u, or /X

在 UTF-8 模式下，允许用“/x{...}”，花括号中的内容是表示十六进制数字的字符串。原来的十六进制转义序列 /xhh 如果其值大于 127 的话则匹配了一个双字节 UTF-8 字符。

二、代码例子

//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 ) ) ; } //字符串长度统计-UTF8 [中文3个字节，俄文、韩文占2个字节，字母占1个字节] (Ruby) def utf8_string_length ( str ) temp = CGI : : unescape ( str ) i = 0 ; j = 0 ; temp . length . times { | t | if temp [ t ] < 127 i + = 1 elseif temp [ t ] > = 127 and temp [ t ] < 224 j + = 1 if 0 = = ( j % 2 ) i + = 2 j = 0 end else j + = 1 if 0 = = ( j % 3 ) i + = 2 j = 0 end end } return i } //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 ) ;