【转】判断日文的正则表达式

[一-龠]+|[ぁ-ん]+|[ァ-ヴー]+  

 

PHP中GBK和UTF8编码处理

 

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);

 

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);

 

三、参考文档

 

另：

 

/*

* 中文截取，支持gb2312,gbk,utf-8,big5 

*

* @param string $str 要截取的字串

* @param int $start 截取起始位置

* @param int $length 截取长度

* @param string $charset utf-8|gb2312|gbk|big5 编码

* @param $suffix 是否加尾缀

*/

public function csubstr($str, $start=0, $length, $charset="utf-8", $suffix=true)

{

if(function_exists("mb_substr"))

return mb_substr($str, $start, $length, $charset);

$re['utf-8'] = "/[/x01-/x7f]|[/xc2-/xdf][/x80-/xbf]|[/xe0-/xef][/x80-/xbf]{2}|[/xf0-/xff][/x80-/xbf]{3}/";

$re['gb2312'] = "/[/x01-/x7f]|[/xb0-/xf7][/xa0-/xfe]/";

$re['gbk'] = "/[/x01-/x7f]|[/x81-/xfe][/x40-/xfe]/";

$re['big5'] = "/[/x01-/x7f]|[/x81-/xfe]([/x40-/x7e]|/xa1-/xfe])/";

preg_match_all($re[$charset], $str, $match);

$slice = join("",array_slice($match[0], $start, $length));

if($suffix) return $slice."…";

return $slice;

}

 

转自---http://blog.csdn.net/ninjya_luck/archive/2008/04/11/2282689.aspx