如何使用php 正则匹配中文

POST TIME: 2014-10-26 10:57:33

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");

}


想当然的,在php中来判断字符串是否为中文,就会沿袭这个思路:

<?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");

}

?>


不过,很快就会发现,php并不支持这样的表达,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正则表达式对于十六进制数据的


表达方式上进行突破,发现在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。


后来跑回百度搜“php 匹配汉字 utf 8”,发现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”还在一定程度上是正确的。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 开发 / PHP 提问


求UTF8下匹配汉字的正则, 不包括全角字符及特殊符号!

 

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

 

郁闷中.......


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


chr(0xa1) . '-' . chr(0xff)可以匹配所有中文,但是不知道在UTF-8下如何!Top

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


即使在gb2312下, chr(0xa1) . '-' . chr(0xff) 也不对

它把全角符号也匹配进来了Top

3 楼xuzuning(唠叨)回复于 2006-11-15 16:19:56 得分 90


模式修正符: u  


按照这几位提供的线索逐个试了一下,发现还真的如他们所说,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——于是继续搜索百度。


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断失常。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:

$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");

}

本来以为铁定成功了的事情,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式了,于是对照了一下那篇文章的表达方式,


给“4e00”和“9fa5”两边分别用"{"和“}”包起来,跑了一遍,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,


于是我又用这个表达式去百度搜索,发现竟然还真有别人得出过这样正确的结论,只不过通过


常规的方式很难找到而已,而且仅仅搜到有一篇——《用正则删除汉字》,看来互联网上对于


信息的正确性的筛选还是亟待加强的。


ps:对google不死心,也搜索了一下,又发现了一篇文章《php常用类》,


还是在百度空间的,呵呵,有意思!

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

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)


<?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>您输入的[".$str."]含有违法字符</font>";  

}

else

{

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

}

}

?>

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

输入字符(数字,字母,汉字,下划线):

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

<input type="submit" value="提交">

</form>


文章转载请注明出处:https://ynxy999.com/Article/view/id/1746.shtml

如何四两拨千斤做好内容营销?如果iPhone成为一家独立的公司

告诉我们您的需求

 我们将在一个工作日之内回复您
昆明地址:新闻路429号文化空间25层1055711410
安宁地址:安宁市县街镇麒麟路17号云南经济管理学院图书馆406室、305室ynxy999_com
免费热线:15287195860
售前热线:0871-68034467-999

Copyright 2011-2020,All Rights Reserved ynxy999.com co.ltd.云南炫烨科技有限公司 Powered by ynxy999.com 滇公网安备 53010202000225号  滇ICP备15002943号  [技术支持昆明锦华科技]