频道栏目
首页 > 程序开发 > Web开发 > php > 正文
php中utf-8编码下用正则表达式如何匹配汉字
2012-06-09 12:01:49           
收藏   我要投稿
Compilation failed: PCRE does not support \L, \l, \N{name}, \U, or \u
 
 
 vcjnus7GpcXkurrX1iAtIEluU3VuIC0gTWluZ2hhY2tlciBpcyBJbnN1bg==" src="http://up.2cto.com/2012/0609/20120609120626181.jpg" style="line-height: 25px; border-top-width: 0px; border-right-width: 0px; border-bottom-width: 0px; border-left-width: 0px; border-style: initial; border-color: initial; max-width: 100%; margin-top: 0px; margin-right: 10px; margin-bottom: 0px; margin-left: 0px; " />
 
 
   //array('username', 'match', 'pattern' => '/^[A-Za-z0-9_]+$/u','message' => Yii::t('user','{attribute}非法!')),
   //array('username', 'match', 'pattern' => '/^(?!_)(?!.*?_$)[a-zA-Z0-9_\u4e00-\u9fa5]+$/u','message' => Yii::t('user','{attribute}非法!')),
   array('username', 'match', 'pattern' => '/^(?!_)(?!.*?_$)[a-zA-Z0-9_\\x{4e00}-\x{9fa5}]+$/u','message' => Yii::t('user','{attribute}非法!')),
 
正则中中文字符的匹配要用\x{4e00}-\x{9fa5}  而不是\u4e00-\u9fa5
 
=================================================================================================
php正则表达式详解
http://space.itpub.net/16555225/viewspace-497780
http://www.haogongju.net/art/994560
由数字、26个英文字母、下划线或汉字的正则表达式
http://hi.baidu.com/liu19871112/blog/item/eae9bd3245c88a5cad4b5fa8.html
 
php中utf-8编码下用正则表达式如何匹配汉字
http://hi.baidu.com/comdeng/blog/item/f272362e47ce29564ec226c5.html
在javascript中,要判断字符串是中文是很简单的。比如:
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");
}
 
想当然的,在php中来判断字符串是否为中文,就会沿袭这个思路:
<?php
$str = "php编程";
if (preg_match("/^[\u4e00-\u9fa5]+$/",$str)) {
print("该字符串全部是中文");
} else {
print("该字符串不全部是中文");
}
?>
 
不过,很快就会发现,php并不支持这样的表达,报错:
Warning: preg_match() [function.preg-match]: Compilation failed: PCRE does not support \L, \l, \N, \U, or \u at offset 3 in test.php on line 3
 
刚开始从google上查了很多次,想从php正则表达式对于十六进制数据的表达方式上进行突破,发现在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。
 
后来跑回百度搜“php 匹配汉字utf 8”,发现文章的匹配程度竟然要比google的高多了,看来百度的“百度更懂中文”还在一定程度上是正确的。在第二篇文章《★★★ 求UTF8下匹配汉字的正则, 在线等.........》中看到了如下的一些内容:
 
楼主zhiin(┈Jcan ┈)2006-11-15 15:59:30 在Web 开发/ PHP 提问
 
求UTF8下匹配汉字的正则,   不包括全角字符及特殊符号!
  
网上只能找到匹配全角字符的正则:   ^[\x80-\xff]*^/   
[\u4e00-\u9fa5]可以匹配中文,但是PHP又不支持   
  
郁闷中.......
 
1 楼PleaseDoTellMeWhy(Allah bless you!)回复于2006-11-15 16:04:55 得分11
 
chr(0xa1)   .   '-'   .   chr(0xff)可以匹配所有中文,但是不知道在UTF-8下如何!Top
2 楼zhiin(┈Jcan ┈)回复于2006-11-15 16:11:34 得分0
 
即使在gb2312下,   chr(0xa1)   .   '-'   .   chr(0xff)   也不对
它把全角符号也匹配进来了Top
3 楼xuzuning(唠叨)回复于2006-11-15 16:19:56 得分90
 
模式修正符:   u  
 
按照这几位提供的线索逐个试了一下,发现还真的如他们所说,可能还跟编码有关系,因此需要了解一下模式修正符的相关知识——于是继续搜索百度。
 
在一篇《模式修正符》的文章中了解到:
u (PCRE_UTF8)
此修正符启用了一个PCRE 中与Perl 不兼容的额外功能。模式字符串被当成UTF-8。本修正符在Unix 下自PHP 4.1.0 起可用,在win32 下自PHP 4.2.3 起可用。
例子:
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:
$str = "php编程";
if (preg_match("/^[\x{2460}-\x{2468}]+$/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:
$str = "php编程";
if (preg_match("/^[\x4e00-\x9fa5]+$/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:
$str = "php编程";
if (preg_match("/^[\x{4e00}-\x{9fa5}]+$/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,于是我又用这个表达式去百度搜索,发现竟然还真有别人得出过这样正确的结论,只不过通过常规的方式很难找到而已,而且仅仅搜到有一篇——《用正则删除汉字》,看来互联网上对于信息的正确性的筛选还是亟待加强的。
 
ps:对google不死心,也搜索了一下,又发现了一篇文章《php常用类》,还是在百度空间的,呵呵,有意思
点击复制链接 与好友分享!回本站首页
上一篇:模式修正符
下一篇:php正则表达式后缀
相关文章
图文推荐
点击排行

关于我们 | 联系我们 | 广告服务 | 投资合作 | 版权申明 | 在线帮助 | 网站地图 | 作品发布 | Vip技术培训 | 举报中心

版权所有: 红黑联盟--致力于做实用的IT技术学习网站