欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  后端开发

php正则表达匹配中文若干问题的解决方法

程序员文章站 2022-05-26 11:35:03
...
  1. $str = '*123456789abcdefg';
  2. echo preg_match("/^[u4e00-u9fa5_a-zA-Z0-9]{3,15}$",$strName);
  3. ?>
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:

  1. preg_match("/^[x80-xff_a-zA-Z0-9]{3,15}$",$strName);
  2. 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:

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

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

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

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

例2,

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