php 正則中文匹配

漢字一定注意是gbk還是utf8編碼

UTF-8匹配:在javascript中，要判定字符串是中文是很簡朴的。比如：var str = "php編程";if (/^[\u4e00-\u9fa5]+$/.test(str)) {alert("該字符串全部是中文");} else{alert("該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簡朴的。比如：

　　var str = "php編程";

　　if (/^[\u4e00-\u9fa5]+$/.test(str)) {

　　alert("該字符串全部是中文");

　　}

　　else{

　　alert("該字符串不全部是中文");

　　}

　　php中，是用\x表示十六進制數據的。於是，變換成如下的代碼：

　　$str = "php編程";

　　if (preg_match("/^[\x4e00-\x9fa5]+$/"$str)) {

　　print("該字符串全部是中文");

　　} else {

　　print("該字符串不全部是中文");

　　}

　　貌似不報錯了，判定的結果也准確，不過把$str換成“編程”兩字，結果卻還是顯示“該字符串不全部是中文”，看來這樣的判定還是不夠准確。

　　網上只能找到匹配全角字符的正則: ^[\x80-\xff]*^/

　　[\u4e00-\u9fa5]可以匹配中文但是PHP又不支持

　　可能還跟編碼有關系，因此需要了解一下模式修正符的相關知識.

　　在一篇《模式修正符》的文章中了解到：

　　u (PCRE_UTF8)

　　此修正符啟用了一個 PCRE 中與 Perl 不兼容的額外功能。模式字符串被當成 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 內碼漢字

　　按照他提供的方式進行測試，代碼如下：

　　$str = "php編程";

　　if (preg_match("/^[\x{2460}-\x{2468}]+$/u"$str)) {

　　print("該字符串全部是中文");

　　} else {

　　print("該字符串不全部是中文");

　　}

　　發現這次依然對是否為中文判定失常。

　　不過，既然\x表示的十六進制數據，為什么和js里邊提供的范圍\x4e00-\x9fa5不一樣呢?於是我就換成了下邊的代碼發現真的准確了：

　　$str = "php編程";

　　if (preg_match("/^[\x{4e00}-\x{9fa5}]+$/u"$str)) {

　　print("該字符串全部是中文");

　　} else {

　　print("該字符串不全部是中文");

　　}

　　知道了php中utf-8編碼下用正則表達式匹配漢字的最終准確表達式——/^[\x{4e00}-\x{9fa5}]+$/u，

　　參考以上文章寫了如下一段測試代碼(復制以下代碼保存成.php文件)

　　輸入字符(數字字母漢字下划線):

　　GBK:

　　preg_match("/^[".chr(0xa1)."-".chr(0xff)."A-Za-z0-9_]+$/"$str); //GB2312漢字字母數字下划線正則表達式

 

 

 

本文章總結了php中利用正則表達式來匹配中文的一些實例函數，有需要的朋友可參考參考。

我們先要明白
中文雙字節字符編碼范圍

1. GBK (GB2312/GB18030)
x00-xff GBK雙字節編碼范圍
x20-x7f ASCII
xa1-xff 中文 gb2312
x80-xff 中文 gbk

2. UTF-8 (Unicode)

u4e00-u9fa5 (中文)
x3130-x318F (韓文
xAC00-xD7A3 (韓文)
u0800-u4e00 (日文)

獲取指定的中文與字符
例1

代碼如下	復制代碼
<?php $str = '正則如何匹配中文字在某中文字符串中？'; preg_match("/中/",$str,$regs); print_r($regs); ?>

輸出
Array
(
    [0] => 中
)

例2

代碼如下	復制代碼
<?php $str = '這里是中文 this is English'; //把中文變成紅色 echo preg_replace("/([x80-xff].)/","<font color=red>1</font>",$str); //把非中文變成紅色 echo preg_replace("/([x20-x7f])/","<font color=red>1</font>",$str); ?>

簽里面有中文、英文、數字等混排，則需要對漢字進行特殊處理，由於PCRE不支持U P L之類的perl字符串處理轉義，使用16進制或者Unicode進行處理，范例如下：

代碼如下	復制代碼
$str = "之二寬闊的甘家口東#標簽1#標簽2 #標簽3。#標簽4,都發$1234 ￥xc,cvm , ￥12,dflksjf如何#標簽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編碼下用正則表達式匹配漢字的最終正確表達式——/^[x{4e00}-x{9fa5}]+$/u

代碼如下	復制代碼
$str = "php編程"; if (preg_match("/^[x{4e00}-x{9fa5}]+$/u",$str)) { print("該字符串全部是中文"); } else { print("該字符串不全部是中文"); }

實例

下面這款匹配中文字符串正則表達式是一款利用數組，然后 多次for把全是中文字符串的打印出來。
*/
 

代碼如下

復制代碼

$str_arr = array( "iameverysorry", "快樂編程，快樂生活", "php教程編程", "1997年香港回歸", "英語學習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>";     } }

更多詳細內容請查看：http://www.php100.com/phper/php-cy/34301.htm