php判断是否为中文正则表达式大全(转)
转载自 http://www.cnblogs.com/DavidYan/articles/2032115.htmlphp判断是否为中文正则表达式大全
<?php
$str="aaa";
if(!eregi("[^\x80-\xff]","$str"))
{
echo "是";
}
else
{
echo "不是";
}
?>
<?
$str = "中国";
echo $str;
echo "<hr>";
//if (preg_match("/^[".chr(0xa1)."-".chr(0xff)."]+$/", $str)) {//只能在GB2312情况下使用
if (preg_match("/^[\x7f-\xff]+$/", $str)) { //兼容gb2312,utf-8
echo "正确输入";
} else {
echo "错误输入";
}
?>
如果想判断一个字符串内是否有含有中文，请用下面的代码：
if (preg_match("/[\x7f-\xff]/", $string)) {
echo "有中文";
}else{
echo "没有中文";
}
判断中文和编码有关gbk是双字节，utf8是三字节，可以根据中文的范围来判断
编码范围1. GBK(GB2312/GB18030)
\x00-\xffGBK双字节编码范围
\x20-\x7fASCII
\xa1-\xff中文
\x80-\xff 中文
2. UTF-8(Unicode)
\u4e00-\u9fa5(中文)
\x3130-\x318F(韩文
\xAC00-\xD7A3(韩文)
\u0800-\u4e00(日文)
ps:韩文是大于[\u9fa5]的字符
正则例子:
preg_replace(”/([\x80-\xff])/”,”",$str);
preg_replace(”/()/”,”",$str);
[*]//判断内容里有没有中文-GBK (PHP)
[*]function check_is_chinese($s){
[*] return preg_match('/[\x80-\xff]./', $s);
[*]}
[*]
[*]//获取字符串长度-GBK (PHP)
[*]function gb_strlen($str){
[*] $count = 0;
[*] for($i=0; $i<strlen($str); $i++){
[*] $s = substr($str, $i, 1);
[*] if (preg_match("/[\x80-\xff]/", $s)) ++$i;
[*] ++$count;
[*] }
[*] return $count;
[*]}
[*]
[*]//截取字符串字串-GBK (PHP)
[*]function gb_substr($str, $len){
[*] $count = 0;
[*] for($i=0; $i<strlen($str); $i++){
[*] if($count == $len) break;
[*] if(preg_match("/[\x80-\xff]/", substr($str, $i, 1))) ++$i;
[*] ++$count;
[*] }
[*] return substr($str, 0, $i);
[*]}
[*]
[*]//统计字符串长度-UTF8 (PHP)
[*]function utf8_strlen($str) {
[*] $count = 0;
[*] for($i = 0; $i < strlen($str); $i++){
[*] $value = ord($str[$i]);
[*] if($value > 127) {
[*] $count++;
[*] if($value >= 192 && $value <= 223) $i++;
[*] elseif($value >= 224 && $value <= 239) $i = $i + 2;
[*] elseif($value >= 240 && $value <= 247) $i = $i + 3;
[*] else die('Not a UTF-8 compatible string');
[*] }
[*] $count++;
[*] }
[*] return $count;
[*]}
[*]
[*]
[*]//截取字符串-UTF8(PHP)
[*]function utf8_substr($str,$position,$length){
[*] $start_position = strlen($str);
[*] $start_byte = 0;
[*] $end_position = strlen($str);
[*] $count = 0;
[*] for($i = 0; $i < strlen($str); $i++){
[*] if($count >= $position && $start_position > $i){
[*] $start_position = $i;
[*] $start_byte = $count;
[*] }
[*] if(($count-$start_byte)>=$length) {
[*] $end_position = $i;
[*] break;
[*] }
[*] $value = ord($str[$i]);
[*] if($value > 127){
[*] $count++;
[*] if($value >= 192 && $value <= 223) $i++;
[*] elseif($value >= 224 && $value <= 239) $i = $i + 2;
[*] elseif($value >= 240 && $value <= 247) $i = $i + 3;
[*] else die('Not a UTF-8 compatible string');
[*] }
[*] $count++;
[*]
[*] }
[*] return(substr($str,$start_position,$end_position-$start_position));
[*]}
[*]
[*]//判断是否是有韩文-UTF-8 (JavaScript)
[*]function checkKoreaChar(str) {
[*] for(i=0; i<str.length; i++) {
[*] if(((str.charCodeAt(i) > 0x3130 && str.charCodeAt(i) < 0x318F) || (str.charCodeAt(i) >= 0xAC00 && str.charCodeAt(i) <= 0xD7A3))) {
[*] return true;
[*] }
[*] }
[*] return false;
[*]}
[*]
[*]//判断是否有中文字符-GBK (JavaScript)
[*]function check_chinese_char(s){
[*] return (s.length != s.replace(/[^\x00-\xff]/g,"**").length);
[*]}
UTF-8匹配:
在javascript中，要判断字符串是中文是很简单的。比如：
var str = "php编程";
if (/^[\u4e00-\u9fa5]+$/.test(str)) {
alert("该字符串全部是中文");
}
else{
alert("该字符串不全部是中文");
}
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>";
}
}
?>
<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>
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
<?php
$str="aaa";
if(!eregi("[^\x80-\xff]","$str"))
{
echo "是";
}
else
{
echo "不是";
}
?>
<?
$str = "中国";
echo $str;
echo "<hr>";
//if (preg_match("/^[".chr(0xa1)."-".chr(0xff)."]+$/", $str)) {//只能在GB2312情况下使用
if (preg_match("/^[\x7f-\xff]+$/", $str)) { //兼容gb2312,utf-8
echo "正确输入";
} else {
echo "错误输入";
}
?>
如果想判断一个字符串内是否有含有中文，请用下面的代码：
if (preg_match("/[\x7f-\xff]/", $string)) {
echo "有中文";
}else{
echo "没有中文";
}
页:
[1]