汉字一定注意是gbk还是utf8编码
UTF-8匹配:在javascript中,要判定字符串是中文是很简朴的。比如:var str = “php编程”;if (/^[u4e00-u9fa5]+$/.test(str)) {alert(“该字符串全部是中文”);} else{alert(“该字符串不全部是中文”);}php中,是用 …
UTF-8匹配:
在javascript中,要判定字符串是中文是很简朴的。比如:
var str = “php编程”;
if (/^[u4e00-u9fa5]+$/.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:
$str = “php编程”;
if (preg_match(“/^[x4e00-x9fa5]+$/“$str)) {
print(“该字符串全部是中文”);
} else {
print(“该字符串不全部是中文”);
}
貌似不报错了,判定的结果也准确,不过把$str换成“编程”两字,结果却还是显示“该字符串不全部是中文”,看来这样的判定还是不够准确。
网上只能找到匹配全角字符的正则: ^[x80-xff]*^/
[u4e00-u9fa5]可以匹配中文但是PHP又不支持
可能还跟编码有关系,因此需要了解一下模式修正符的相关知识.
在一篇《模式修正符》的文章中了解到:
u (PCRE_UTF8)
此修正符启用了一个 PCRE 中与 Perl 不兼容的额外功能。模式字符串被当成 UTF-8。本修正符在 Unix 下自 PHP 4.1.0 起可用,在 win32 下自 PHP 4.2.3 起可用。
例子:
preg_match(‘/[x{2460}-x{2468}]/u’ $str); 匹配 内码汉字
按照他提供的方式进行测试,代码如下:
$str = “php编程”;
if (preg_match(“/^[x{2460}-x{2468}]+$/u”$str)) {
print(“该字符串全部是中文”);
} else {
print(“该字符串不全部是中文”);
}
发现这次依然对是否为中文判定失常。
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”$str)) {
print(“该字符串全部是中文”);
} else {
print(“该字符串不全部是中文”);
}
知道了php中utf-8编码下用正则表达式匹配汉字的最终准确表达式——/^[x{4e00}-x{9fa5}]+$/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)
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
本文章总结了php中利用正则表达式来匹配中文的一些实例函数,有需要的朋友可参考参考。
我们先要明白
中文双字节字符编码范围
1. GBK (GB2312/GB18030)
x00-xff GBK双字节编码范围
x20-x7f ASCII
xa1-xff 中文 gb2312
x80-xff 中文 gbk
2. UTF-8 (Unicode)
u4e00-u9fa5 (中文)
x3130-x318F (韩文
xAC00-xD7A3 (韩文)
u0800-u4e00 (日文)
获取指定的中文与字符
例1代码如下复制代码<?php $str = ‘正则如何匹配中文字在某中文字符串中?’; preg_match(“/中/“,$str,$regs); print_r($regs); ?>
输出
Array
(
[0] => 中
)
例2代码如下复制代码<?php $str = ‘这里是中文 this is English’; //把中文变成红色 echo preg_replace(“/([x80-xff].)/“,”1“,$str); //把非中文变成红色 echo preg_replace(“/([x20-x7f])/“,”1“,$str); ?>
签里面有中文、英文、数字等混排,则需要对汉字进行特殊处理,由于PCRE不支持U P L之类的perl字符串处理转义,使用16进制或者Unicode进行处理,范例如下:代码如下复制代码$str = “之二宽阔的甘家口东#标签1#标签2 #标签3。#标签4,都发$1234 ¥xc,cvm , ¥12,dflksjf如何#标签5.x #tag6.cvxcv“”; preg_match_all(‘/#([a-zA-Z0-9x7f-xff]+)/‘, $str, $mat); print_r($mat);preg_match(“/x{00a5}x{ffe5}/u”, $str, $mat); print_r($mat);
最后我明白了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}]+$/u代码如下复制代码$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”); }
实例
下面这款匹配中文字符串正则表达式是一款利用数组,然后 多次for把全是中文字符串的打印出来。
*/代码如下复制代码$str_arr = array( “iameverysorry”, “快乐编程,快乐生活”, “php教程编程”, “1997年香港回归”, “英语学习abc”, “www.php100.com" );$patt_ch = chr(0xa1) . “-“ . chr(0xff);foreach ($str_arr as $str) { echo “字符串’$str’ 是”; if (preg_match(“/^[$patt_ch]+$/“, $str)) { echo “完全中文“; echo “
“; echo “
“; } else { echo “非完全中文”; echo “
“; echo “
“; } }