php判断是否为中文正则表达式大全(转)
转载自 http://www.cnblogs.com/DavidYan/articles/2032115.html
php判断是否为中文正则表达式大全
$str="aaa";
if(!eregi("[^\x80-\xff]","$str"))
{
echo "是";
}
else
{
echo "不是";
}
?>
$str = "中国";
echo $str;
echo "
";
//if (preg_match("/^[".chr(0xa1)."-".chr(0xff)."]+$/", $str)) {
//只能在GB2312情况下使用
if (preg_match("/^[\x7f-\xff]+$/", $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
-
$start_position
));
}
//判断是否是有韩文-UTF-8 (JavaScript)
function
checkKoreaChar(str) {
for
(i=0; i
if
(((str.charCodeAt(i) > 0x3130 && str.charCodeAt(i) = 0xAC00 && str.charCodeAt(i) <= 0xD7A3))) {
return
true;
}
}
return
false;
}
//判断是否有中文字符-GBK (JavaScript)
function
check_chinese_char(s){
return
(s.length != s.replace(/[^\x00-\xff]/g,
"**"
).length);
}
UTF-8匹配:
在javascript中,要判断字符串是中文是很简单的。比如:
var str = "php编程";
if (/^[\u4e00-\u9fa5]+$/.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)
$action = trim($_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",$str))
//UTF-8汉字字母数字下划线正则表达式
{
echo "
color=red>您输入的[".$str."]含有违法字符
";}
else
{
echo "
color=green>您输入的[".$str."]完全合法,通过!
";}
}
?>
action="?action=sub">
输入字符(数字,字母,汉字,下划线):
value="">
value="提交">
GBK:
preg_match("/^[".chr(0xa1)."-".chr(0xff)."A-Za-z0-9_]+$/",$str);
//GB2312汉字字母数字下划线正则表达式
$str="aaa";
if(!eregi("[^\x80-\xff]","$str"))
{
echo "是";
}
else
{
echo "不是";
}
?>
$str = "中国";
echo $str;
echo "
";
//if (preg_match("/^[".chr(0xa1)."-".chr(0xff)."]+$/", $str)) {
//只能在GB2312情况下使用
if (preg_match("/^[\x7f-\xff]+$/", $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";
}