Chinaunix首页 | 论坛 | 博客
  • 博客访问: 5361531
  • 博文数量: 1144
  • 博客积分: 11974
  • 博客等级: 上将
  • 技术积分: 12312
  • 用 户 组: 普通用户
  • 注册时间: 2005-04-13 20:06
文章存档

2017年(2)

2016年(14)

2015年(10)

2014年(28)

2013年(23)

2012年(29)

2011年(53)

2010年(86)

2009年(83)

2008年(43)

2007年(153)

2006年(575)

2005年(45)

分类: PERL

2014-12-07 16:58:32

php判断是否为中文正则表达式大全

 


$str="aaa";
if(!eregi("[^\x80-\xff]","$str"))
{
echo "是";
}
else
{
echo "不是";
}
?>

$str = "中国";
echo $str;
echo "
";

//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-\xff GBK双字节编码范围   
\x20-\x7f ASCII   
\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])/”,”",$str);  
preg_replace(”/([u4e00-u9fa5])/”,”",$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              $s = substr($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; $i              if($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              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)

$action = trim($_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",$str))   //UTF-8汉字字母数字下划线正则表达式
    {  
        echo "您输入的[".$str."]含有违法字符";  
    }
    else
    {
        echo "您输入的[".$str."]完全合法,通过!";  
    }
}
?>

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

 


$str="aaa";
if(!eregi("[^\x80-\xff]","$str"))
{
echo "是";
}
else
{
echo "不是";
}
?>

$str = "中国";
echo $str;
echo "
";

//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";
}

 
阅读(3653) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~