php正则表达匹配中文若干问题的解决方法

2. $str = '*123456789abcdefg';
3. echo preg_match("/^[u4e00-u9fa5_a-zA-Z0-9]{3,15}$",$strName);
4. ?>

复制代码

运行以上代码，会提示： Warning: preg_match(): Compilation failed: PCRE does not support L, l, N, P, p, U, u, or X at offset 3 in F:wwwrootphptest.php on line 2

原因在于：PHP正则表达式中不支持下列 Perl 转义序列：L, l, N, P, p, U, u, or X

在 UTF-8 模式下，允许用“x{...}”，花括号中的内容是表示十六进制数字的字符串。

原来的十六进制转义序列 xhh 如果其值大于 127 的话则匹配了一个双字节 UTF-8 字符。 解决方法：

2. preg_match("/^[x80-xff_a-zA-Z0-9]{3,15}$",$strName);
3. preg_match('/[x{2460}-x{2468}]/u', $str);

复制代码

匹配 内码汉字 按照他提供的方式进行测试：

2. $str = "php编程";
3. if (preg_match("/^[x{2460}-x{2468}]+$/u",$str)) {
4. print("该字符串全部是中文");
5. } else {
6. print("该字符串不全部是中文");
7. }
8. ?>

复制代码

这样操作，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？ 于是将代码修改为如下内容：

2. $str = "php编程";
3. if (preg_match("/^[x4e00-x9fa5]+$/u",$str)) {
4. print("该字符串全部是中文");
5. } else {
6. print("该字符串不全部是中文");
7. }
8. ?>

复制代码

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 接着修改，给“4e00”和“9fa5”两边分别用"{"和“}”包起来，跑了一遍，发现这次准确了：

2. $str = "php编程";
3. if (preg_match("/^[x{4e00}-x{9fa5}]+$/u",$str)) {
4. print("该字符串全部是中文");
5. } else {
6. print("该字符串不全部是中文");
7. }
8. ?>

复制代码

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，

最终版的实现代码：

2. //if (preg_match(“/^[".chr(0xa1)."-".chr(0xff)."]+$/”, $str)) { //只能在GB2312情况下使用
3. if (preg_match(“/^[x7f-xff]+$/”, $str)) { //兼容gb2312,utf-8
4. echo “正确输入”;
5. } else {
6. echo “错误输入”;
7. }
8. ?>

复制代码

例2，

2. $action = trim($_GET['action']);
3. if($action == "sub")
4. {
5. $str = $_POST['dir'];
6. //if(!preg_match("/^[".chr(0xa1)."-".chr(0xff)."A-Za-z0-9_]+$/",$str)) //GB2312汉字字母数字下划线正则表达式
7. if(!preg_match("/^[\x{4e00}-\x{9fa5}A-Za-z0-9_]+$/u",$str)) //UTF-8汉字字母数字下划线正则表达式
8. {
9. echo"您输入的[".$str."]含有违法字符";
10. }
11. else
12. {
13. echo "您输入的[".$str."]完全合法,通过!";
14. }
15. }
16. ?>
17. 输入字符(数字,字母,汉字,下划线):

复制代码

附，php中双字节字符编码范围

1. GBK (GB2312/GB18030)

x00-xff GBK双字节编码范围 x20-x7f ASCII xa1-xff 中文 gb2312 x80-xff 中文 gbk

2. UTF-8 (Unicode)

u4e00-u9fa5 (中文) x3130-x318F (韩文 xAC00-xD7A3 (韩文) u0800-u4e00 (日文)

就介绍这些吧，希望有助于大家理解php正则匹配中文的方法。 程序员之家，祝大家学习进步。