澳门新葡萄京官网首页【转】UTF-8汉字正则表达式

UTF-8匹配: 在javascript中,要判断字符串是中文是很简单的。比如:
复制代码 代码如下:
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”);
}

原文链接:

 

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:
复制代码 代码如下:
$str = “php编程”;
if (preg_match(“/^[x{4e00}-x{9fa5}]+$/u”,$str)) {
print(“该字符串全部是中文”);
} else {
print(“该字符串不全部是中文”);
}

 

js版

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,

$str = “编程”;
// if(!preg_match(“/^[x{4e00}-x{9fa5}A-Za-z0-9_]+$/u”,$str))  
//UTF-8汉字字母数字下划线正则表达式
if(!preg_match(“/^[x{4e00}-x{9fa5}]+$/u”,$str))  
//UTF-8汉字字母数字下划线正则表达式
    {   
        echo “<font
color=red>您输入的[“.$str.”]含有违法字符</font>”;   
    }
    else 
    {
        echo “<font
color=green>您输入的[“.$str.”]完全合法,通过!</font>”;   

匹配中文字符的正则表达式: [/u4e00-/u9fa5]

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)
复制代码 代码如下:
$action = trim($_GET[‘action’]);
if($action == “sub”)
{
$str = $_POST[‘dir’];
//if(!preg_match(“/^[“.chr(0xa1).”-“.chr(0xff).”A-Za-z0-9_]+$/”,$str))
//GB2312汉字字母数字下划线正则表达式
if(!preg_match(“/^[x{4e00}-x{9fa5}A-Za-z0-9_]+$/u”,$str))
//UTF-8汉字字母数字下划线正则表达式
{
echo “您输入的[“.$str.”]含有违法字符”;
}
else
{
echo “您输入的[“.$str.”]完全合法,通过!”;
}
}
?>

    }

匹配双字节字符(包括汉字在内):[^/x00-/xff]

复制代码 代码如下:


 代码如下

输入字符(数字,字母,汉字,下划线):

UTF-8匹配:
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”); }
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

var reg =  /^[u4e00-u9fa5]+$/;

GBK:
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。

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:
$str = “php编程”; if (preg_match(“/^[x{4e00}-x{9fa5}]+$/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)
<?php $action = trim($_GET[‘action’]); if($action == “sub”) {    
$str = $_POST[‘dir’];        
//if(!preg_match(“/^[“.chr(0xa1).”-“.chr(0xff).”A-Za-z0-9_]+$/”,$str))
//GB2312汉字字母数字下划线正则表达式     
if(!preg_match(“/^[x{4e00}-x{9fa5}A-Za-z0-9_]+$/u”,$str))  
//UTF-8汉字字母数字下划线正则表达式     {            echo “<font
color=red>您输入的[“.$str.”]含有违法字符</font>”;        }  
  else      {         echo “<font
color=green>您输入的[“.$str.”]完全合法,通过!</font>”;       
} } ?> <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”>
</form>
 
GBK:
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

if(reg.test(str))
{
   alert(‘汉字的干活’);
}

计算字符串的长度(一个双字节字符长度计2,ASCII字符计1)

String.prototype.len=function(){return
this.replace([^/x00-/xff]/g,”aa”).length;}

php版

php正则匹配汉字!
/^[x{4e00}-x{9fa5}]+$/u

 代码如下

 

$action = trim($_GET[‘action’]);
if($action == “sub”)
{
    $str = $_POST[‘dir’]; 
   
//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
    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
    { 
        echo “您输入的[“.$str.”]含有违法字符”; 
    }
    else
    {
        echo “您输入的[“.$str.”]完全合法,通过!”; 
    }
}

当然如果要想字符串全是汉字的GBK2312编码匹配为:

 代码如下

$str = “小小子”;
if(preg_match(“/^[“.chr(0xa1).”-“.chr(0xff).”]+$/”,$str)){
print($str.”确实全是汉字”);
} else {
print($str.”这个真 TMD不全是汉字”);
}

uft8编码正则

$str = “汉字”;
if (preg_match(“/^[x{4e00}-x{9fa5}]+$/u”,$str)) {
print(“该字符串全部是中文”);
} else {
print(“该字符串不全部是中文”);
}

 

其实只要了解了各个编码的高位与低位的开始与结束,那么自然就可以写出正则,而且直接是十六位的,有啥困难?呵呵。不过要注意,在php里面,表示十六位是用的x。

gbk,gb2312的例子:

 代码如下

<?php
$action = trim($_GET[‘action’]);
if($action == “sub”)
{
    $str = $_POST[‘dir’];   
   
//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
    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
    {  
         echo “<font
color=red>您输入的[“.$str.”]含有违法字符</font>”;  
     }
     else
     {
         echo “<font
color=green>您输入的[“.$str.”]完全合法,通过!</font>”;  
     }
}
?>

 

+$/u 的意思:

+ 表示重复1次或多次;
$ 表示匹配末尾;
/ 表示定界符;
u 表示模式字符串被当成 UTF-8;
U 表示第一次匹配后即停止搜索。

要匹配2-4 个,用{2,4}表示。
/^[x{4e00}-x{9fa5}]{2,4}$/u

发表评论

电子邮件地址不会被公开。 必填项已用*标注