PHP 正则判断中文UTF-8或GBK的思路及具体实现

发布时间：2013-11-26 21:36:59作者：知识屋

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"); 

	}

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：

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"); 

	}

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)

复制代码代码如下:

	
	<?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>"; 

	} 

	} 

	?>

复制代码代码如下:

	
	<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。

（免责声明：文章内容如涉及作品内容、版权和其它问题，请及时与我们联系，我们将在第一时间删除内容，文章内容仅供参考）