Lanson编程技术分享

Lanson编程技术分享

php 正则中文匹配

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
$str = '这里是中文 this is English';
//把中文变成红色
echo preg_replace("/([x80-xff].)/","<font color=red>1</font>",$str);
//把非中文变成红色
echo preg_replace("/([x20-x7f])/","<font color=red>1</font>",$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}](d+)/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 "<b>完全中文</b>";
        echo "<br>";
        echo "<br>";
    }
    else
    {
        echo "非完全中文";
        echo "<br>";
        echo "<br>";
    }
}

更多详细内容请查看:http://www.php100.com/phper/php-cy/34301.htm

发表评论:

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

网站分类
    «   2020年5月   »
    123
    45678910
    11121314151617
    18192021222324
    25262728293031
    文章归档
    友情链接
    最近发表
    标签列表

      Powered By Z-BlogPHP 1.5.2 Zero

      版权所有 ©Lanson编程技术 粤ICP备18051278-1号