当前位置:Home > 正则 > PHP 正则判定中文 UTF-8 &GBK

PHP 正则判定中文 UTF-8 &GBK

发布时间:2011-02-13   浏览次数:2012

   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