php正则中⽂字符串长度,PHP正则匹配汉字字符中⽂字符指定
字符长度
vascript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：
$str = "php编程";
if (preg_match("/^[\u4e00-\u9fa5]+$/",$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");
}
正则表达式提取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！
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论