PHP中PCRE正则解析代码详解

一、前言

前面的博客里，有对字符集的解析。这里就不是字符集的事儿了，在php中很多函数的处理默认是unicode中的utf-8编码格式。那么废话不多说，直接开始正题。

二、php函数mb_split解析

<?php
$preg_strings = '测、试、一、下';
$preg_str = mb_split('、', $preg_strings);
print_r($preg_str);

输出效果

array(

  [0] => 测

  [1] => 试

  [2] => 一

  [3] => 下)

此函数默认底层解析，以utf-8的编码格式解析。以分隔符（、）的unicode的16进制码点分割字符$preg_strings。

三、php函数preg_split解析

分割字符串“测试一下”

<?php
$strings = '测试一下';
$mb_arr = preg_split('//u', $strings, -1, preg_split_no_empty);
print_r($mb_arr);

打印结果如下：

array(

  [0] => 测

  [1] => 试

  [2] => 一

  [3] => 下

)

四、pcre中的/u解析

在php中，正则的定界符可以为#、%、/等等。

在一个正则中有时后面会有些修饰符。那么他们都是什么意思呢？

比如：

%[\x{4e00}-\x{9fa5}]+%u

其中后面的修饰符u代码表以正则匹配以utf-8的编码格式匹配。

例子一：

 <?php
 $strings = '测试一下';
 $is_true = preg_match_all('%[\x{4e00}-\x{9fa5}]+%u', $strings, $match);
var_dump($is_true);

打印结果如下：

array(

  [0] => array

    (

      [0] => 测试一下

    )

)

这里的[\x{4e00}-\x{9fa5}]是什么意思呢？

在php正则中\x用来表示16进制。

中文的unicode码点在4e00 - 9fff （这里说的都是16进制）

所以，正则匹配写法就是区间[]，[\x{4e00}-\x{9fff}]

这两个正则的效果都是一样的。