UTF-8正则表达式如何匹配汉字
判断输入内容是否含有违法字符,请看下面代码
$str="编程"; //if(!preg_match("/^[\x{4e00}-\x{9fa5}A-Za-z0-9_]+$/u",$str)) //UTF-8汉字字母数字下划线正则表达式 if(!preg_match("/^[\x{4e00}-\x{9fa5}]+$/u",$str))//UTF-8汉字字母数字下划线正则表达式 { echo"<fontcolor=red>您输入的[".$str."]含有违法字符</font>"; } else { echo"<fontcolor=green>您输入的[".$str."]完全合法,通过!</font>"; }
-----------------------
UTF-8匹配:
在javascript中,要判断字符串是中文是很简单的。
比如:
varstr="php编程"; if(/^[\u4e00-\u9fa5]+$/.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。
重要:
查阅了<精通正则表达式>发现,对于[\x4e00-\x9fa5]这块东西,自己做一个强化的解释
php的正则中,[\x4e00-\x9fa5],其实就是 字符和字符组的概念,\x{hex},表达一个16进制数,需要注意的是hex可以是1-2位的,也可以是4位的,但是如果是4位的必须加上大括号,
同时,如果是大于x{FF}的hex,必须和u修饰符连用,不然会非法出错
网上只能找到匹配全角字符的正则: ^[\x80-\xff]*^/ ,这里可以不加大括号[\u4e00-\u9fa5]可以匹配中文,但是PHP又不支持 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",$str)) { print("该字符串全部是中文"); } else{print("该字符串不全部是中文"); }
知道了php中utf-8编码下用正则表达式匹配汉字的最终正确表达式——/^[\x{4e00}-\x{9fa5}]+$/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)
<?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"<fontcolor=red>您输入的[".$str."]含有违法字符</font>"; } else { echo"<fontcolor=green>您输入的[".$str."]完全合法,通过!</font>"; }} ?<formmethod="POST"action="?action=sub">输入字符(数字,字母,汉字,下划线): <inputtype="text"name="dir"value=""> <inputtype="submit"value="提交"> </form>
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
以上内容就是PHP中UTF-8正则表达式如何匹配汉字的全部内容,希望大家喜欢。