php 正则匹配中文

php 正则匹配中文
2009/10/28 下战书 02:02
辉煌下载             辉煌下载

在javascript中，要判定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");

}

想固然的，在php中来判定字符串是否为中文，就会相沿这个思绪：

<?php

$str = "php编程";

if (preg_match("/^[\u4e00-\u9fa5]+$/",$str)) {

print("该字符串全部是中文");

} else {

print("该字符串不全部是中文");

}

?>

不外，很快就会发明，php并不支持如许的表达，报错：

Warning: preg_match() [function.preg-match]: Compilation failed: PCRE does not support \L, \l, \N, \U, or \u at offset 3 in test.php on line 3

刚开始从google上查了很多次，想从php正则表达式对付十六进制数据的表达方法上举行突破，发明在php中，是用\x表现十六进制数据的。于是，变更成如下的代码：

$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，判定的结果也精确，不外把$str换成“编程”两字，结果却还是表现“该字符串不全部是中文”，看来如许的判定还是不敷精确。

辉煌下载

厥后跑回百度搜“php 匹配汉字 utf 8”，发明文章的匹配程度竟然要比google的高多了，看来百度的“百度更懂中文”还在肯定程度上是精确的。在第二篇文章《★★★ 求UTF8下匹配汉字的正则, 在线等.........》中看到了如下的一些内容：

楼主zhiin（┈ Jcan ┈）2006-11-15 15:59:30 在 Web 开辟 / PHP 提问

求UTF8下匹配汉字的正则, 不包罗全角字符及特别标记!

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

忧郁中.......

1 楼PleaseDoTellMeWhy（Allah bless you!）复兴于 2006-11-15 16:04:55 得分 11

chr(0xa1) . '-' . chr(0xff)可以匹配全部中文,但是不知道在UTF-8下怎样!Top

2 楼zhiin（┈ Jcan ┈）复兴于 2006-11-15 16:11:34 得分 0

纵然在gb2312下, chr(0xa1) . '-' . chr(0xff) 也不对

它把全角标记也匹配进来了Top

3 楼xuzuning（絮聒）复兴于 2006-11-15 16:19:56 得分 90

模式修正符： u

辉煌下载

根据这几位提供的线索逐个试了一下，发明还真的如他们所说，大概还跟编码有干系，因此必要相识一下模式修正符的相干知识——于是继承搜刮百度。

在一篇《模式修正符》的文章中相识到：

u (PCRE_UTF8)

此修正符启用了一个 PCRE 中与 Perl 不兼容的特别成果。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

根据他提供的方法举行测试，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");

}

辉煌下载

发明这次依然对是否为中文判定失常。不外，既然\x表现的十六进制数据，为什么和js里边提供的范畴\x4e00-\x9fa5不一样呢？于是我就换成了下边的代码：

$str = "php编程";

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

print("该字符串全部是中文");

} else {

print("该字符串不全部是中文");

}

原来以为铁定乐成了的事变，没想到，warning又一次产生了：

Warning: preg_match() [function.preg-match]: Compilation failed: invalid UTF-8 string at offset 6 in test.php on line 3

看来又有错误的表达方法了，于是比较了一下那篇文章的表达方法，给“4e00”和“9fa5”两边分别用"{"和“}”包起来，跑了一遍，发明真的精确了：

$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");

}

辉煌下载

知道了php中utf-8编码下用正则表达式匹配汉字的终极精确表达式——/^[\x{4e00}-\x{9fa5}]+$/u，于是我又用这个表达式往百度搜刮，发明竟然还真有别人得出过如许精确的结论，只不外通过通例的方法很难找到罢了，并且仅仅搜到有一篇——《用正则删除汉字》，看来互联网上对付信息的精确性的筛选还是亟待加强的。

ps：对google不断念，也搜刮了一下，又发明白一篇文章《php常用类》，还是在百度空间的，呵呵，故意思！

----------------------------------------------------------------------------------------------------------------------------------

参考以上文章写了如下一段测试代码(复制以下代码生存成.php文件)

<?php

$action = trim($_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 "<font color=red>您输进的[".$str."]含有违法字符</font>";

}

else

{

echo "<font color=green>您输进的[".$str."]完全合法,通过!</font>";

}

}

?>

<form method="POST" action="?action=sub">

输进字符(数字,字母,汉字,下划线):

<input type="text" value="">

<input type="submit" value="提交">

</form>

辉煌下载            辉煌下载         hhxz.net

php 正则匹配中文
2009/10/28 下战书 02:02
辉煌下载             辉煌下载在javascript中，要判定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");
}

想固然的，在php中来判定字符串是否为中文，就会相沿这个思绪：
<?php
$str = "php编程";
if (preg_match("/^[\u4e00-\u9fa5]+$/",$str)) {
print("该字符串全部是中文");
} else {
print("该字符串不全部是中文");
}
?>

不外，很快就会发明，php并不支持如许的表达，报错：
Warning: preg_match() [function.preg-match]: Compilation failed: PCRE does not support \L, \l, \N, \U, or \u at offset 3 in test.php on line 3

刚开始从google上查了很多次，想从php正则表达式对付十六进制数据的表达方法上举行突破，发明在php中，是用\x表现十六进制数据的。于是，变更成如下的代码：
$str = "php编程";
if (preg_match("/^[\x4e00-\x9fa5]+$/",$str)) {
print("该字符串全部是中文");
} else {
print("该字符串不全部是中文");
}
貌似不报错了，判定的结果也精确，不外把$str换成“编程”两字，结果却还是表现“该字符串不全部是中文”，看来如许的判定还是不敷精确。
辉煌下载
厥后跑回百度搜“php 匹配汉字 utf 8”，发明文章的匹配程度竟然要比google的高多了，看来百度的“百度更懂中文”还在肯定程度上是精确的。在第二篇文章《★★★ 求UTF8下匹配汉字的正则, 在线等.........》中看到了如下的一些内容：

楼主zhiin（┈ Jcan ┈）2006-11-15 15:59:30 在 Web 开辟 / PHP 提问

求UTF8下匹配汉字的正则, 不包罗全角字符及特别标记!

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

忧郁中.......

1 楼PleaseDoTellMeWhy（Allah bless you!）复兴于 2006-11-15 16:04:55 得分 11

chr(0xa1) . '-' . chr(0xff)可以匹配全部中文,但是不知道在UTF-8下怎样!Top
2 楼zhiin（┈ Jcan ┈）复兴于 2006-11-15 16:11:34 得分 0

纵然在gb2312下, chr(0xa1) . '-' . chr(0xff) 也不对
它把全角标记也匹配进来了Top
3 楼xuzuning（絮聒）复兴于 2006-11-15 16:19:56 得分 90

模式修正符： u
辉煌下载
根据这几位提供的线索逐个试了一下，发明还真的如他们所说，大概还跟编码有干系，因此必要相识一下模式修正符的相干知识——于是继承搜刮百度。

在一篇《模式修正符》的文章中相识到：

u (PCRE_UTF8)

此修正符启用了一个 PCRE 中与 Perl 不兼容的特别成果。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
根据他提供的方法举行测试，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");
}
辉煌下载
发明这次依然对是否为中文判定失常。不外，既然\x表现的十六进制数据，为什么和js里边提供的范畴\x4e00-\x9fa5不一样呢？于是我就换成了下边的代码：
$str = "php编程";
if (preg_match("/^[\x4e00-\x9fa5]+$/u",$str)) {
print("该字符串全部是中文");
} else {
print("该字符串不全部是中文");
}
原来以为铁定乐成了的事变，没想到，warning又一次产生了：
Warning: preg_match() [function.preg-match]: Compilation failed: invalid UTF-8 string at offset 6 in test.php on line 3
看来又有错误的表达方法了，于是比较了一下那篇文章的表达方法，给“4e00”和“9fa5”两边分别用"{"和“}”包起来，跑了一遍，发明真的精确了：
$str = "php编程";
if (preg_match("/^[\x{4e00}-\x{9fa5}]+$/u",$str)) {
print("该字符串全部是中文");
} else {
print("该字符串不全部是中文");
}
辉煌下载
知道了php中utf-8编码下用正则表达式匹配汉字的终极精确表达式——/^[\x{4e00}-\x{9fa5}]+$/u，于是我又用这个表达式往百度搜刮，发明竟然还真有别人得出过如许精确的结论，只不外通过通例的方法很难找到罢了，并且仅仅搜到有一篇——《用正则删除汉字》，看来互联网上对付信息的精确性的筛选还是亟待加强的。

ps：对google不断念，也搜刮了一下，又发明白一篇文章《php常用类》，还是在百度空间的，呵呵，故意思！
----------------------------------------------------------------------------------------------------------------------------------
参考以上文章写了如下一段测试代码(复制以下代码生存成.php文件)

<?php
$action = trim($_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",$str)) //UTF-8汉字字母数字下划线正则表达式
{
echo "<font color=red>您输进的[".$str."]含有违法字符</font>";
}
else
{
echo "<font color=green>您输进的[".$str."]完全合法,通过!</font>";
}
}
?>
<form method="POST" action="?action=sub">
输进字符(数字,字母,汉字,下划线):
<input type="text" value="">
<input type="submit" value="提交">
</form>
辉煌下载            辉煌下载         hhxz.net