php 判断是否为中文,php判断是否为中文正则表达式大全

$str = "中国";

// 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";

}

?>

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 "您输入的[".$str."]含有违法字符";

}

else

{

echo "您输入的[".$str."]完全合法,通过!";

}

}

?>

输入字符(数字,字母,汉字,下划线):

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