转载自: http://blog.sina.com.cn/s/blog_62067a650100izag.html
php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]/", $string)) {
echo "有中文";
}else{
echo "没有中文";
}
判断中文和编码有关
gbk是双字节,utf8是三字节,可以根据中文的范围来判断
编码范围1. GBK
(GB2312/GB18030)
\x00-\xff
GBK双字节编码范围
\x20-\x7f
ASCII
\xa1-\xff
中文
\x80-\xff 中文
2. UTF-8
(Unicode)
\u4e00-\u9fa5
(中文)
\x3130-\x318F
(韩文
\xAC00-\xD7A3
(韩文)
\u0800-\u4e00
(日文)
ps:
韩文是大于[\u9fa5]的字符
正则例子:
preg_replace(”/([\x80-\xff])/”,”",$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; $i<strlen($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",$str)) //UTF-8汉字字母数字下划线正则表达式 { echo "<font color=red>您输入的[".$str."]含有违法字符</font>"; } else { echo "<font color=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";
}
|
请发表评论