PHP 正则判断中文UTF-8或GBK的思路及具体实现

时间：2018-12-30分类：PHP作者：编程之家

UTF-8匹配: 在javascript中，要判断字符串是中文是很简单的。比如：
<div class="codetitle"><a style="CURSOR: pointer" data="79403" class="copybut" id="copybut79403" onclick="doCopy('code79403')"> 代码如下:

<div class="codebody" id="code79403">
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：
<div class="codetitle"><a style="CURSOR: pointer" data="71117" class="copybut" id="copybut71117" onclick="doCopy('code71117')"> 代码如下:

<div class="codebody" id="code71117">
$str = "PHP编程";
if (preg_match("/^[\x{4e00}-\x{9fa5}]+$/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)
<div class="codetitle"><a style="CURSOR: pointer" data="49091" class="copybut" id="copybut49091" onclick="doCopy('code49091')"> 代码如下:

<div class="codetitle"><a style="CURSOR: pointer" data="88612" class="copybut" id="copybut88612" onclick="doCopy('code88612')"> 代码如下:

<div class="codebody" id="code88612">
<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">

GBK: pregmatch("/^[".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 中文UTF-8 正则正则