php正则表达匹配中文问题分析小结

时间：2018-12-30分类：PHP作者：编程之家

<div class="codetitle"><a style="CURSOR: pointer" data="71931" class="copybut" id="copybut71931" onclick="doCopy('code71931')"> 代码如下:

<div class="codebody" id="code71931">
$str = '中华人民共和国123456789abcdefg';
echo preg_match("/^[u4e00-u9fa5_a-zA-Z0-9]{3,15}$",$strName);

运行一下上面这段代码，看会有什么提示信息？ 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
原来，PHP正则表达式中不支持下列 Perl 转义序列：L,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。
所以，
可以这样来解决
<div class="codetitle"><a style="CURSOR: pointer" data="63645" class="copybut" id="copybut63645" onclick="doCopy('code63645')"> 代码如下:

<div class="codebody" id="code63645">
preg_match("/^[x80-xff_a-zA-Z0-9]{3,$strName);
preg_match('/[x{2460}-x{2468}]/u',$str);

匹配内码汉字
按照他提供的方式进行测试，代码如下： <div class="codetitle"><a style="CURSOR: pointer" data="41618" class="copybut" id="copybut41618" onclick="doCopy('code41618')"> 代码如下:

<div class="codebody" id="code41618">
$str = "PHP编程";
if (preg_match("/^[x{2460}-x{2468}]+$/u",$str)) {
print("该字符串全部是中文");
} else {
print("该字符串不全部是中文");
}

发现这次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？于是我就换成了下边的代码： <div class="codetitle"><a style="CURSOR: pointer" data="81139" class="copybut" id="copybut81139" onclick="doCopy('code81139')"> 代码如下:

<div class="codebody" id="code81139">
$str = "PHP编程";
if (preg_match("/^[x4e00-x9fa5]+$/u",$str)) {
print("该字符串全部是中文");
} else {
print("该字符串不全部是中文");
}
本来以为铁定成功了的事情，没想到，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 看来又有错误的表达方式了，于是对照了一下那篇文章的表达方式，给“4e00”和“9fa5”两边分别用"{"和“}”包起来，跑了一遍，发现真的准确了： <div class="codetitle"><a style="CURSOR: pointer" data="62577" class="copybut" id="copybut62577" onclick="doCopy('code62577')"> 代码如下:<div class="codebody" id="code62577">
$str = "PHP编程";
if (preg_match("/^[x{4e00}-x{9fa5}]+$/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，最后总结出 <div class="codetitle"><a style="CURSOR: pointer" data="44823" class="copybut" id="copybut44823" onclick="doCopy('code44823')"> 代码如下:<div class="codebody" id="code44823">
//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”;
}
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)

匹配中文正则表达