php 正则匹配中文-白红宇

php 正则匹配中文

阅读量：5237 次

发布时间：2019-06-14

本文共 3200 字，大约阅读时间需要 10 分钟。

转载：

在javascript中，要判断字符串是中文是很简单的。比如：

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《》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——《》，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>

转载于:https://www.cnblogs.com/ysx215/p/9257661.html

你可能感兴趣的文章