PHP及Javascript 正則判斷中文(轉)

UTF-8匹配:

在javascript中，要判斷字符串是中文是很簡單的。好比：

var str = "php編程";

if (/^[\u4e00-\u9fa5]+$/.test(str)) {

    alert("該字符串所有是中文");

}

else{

    alert("該字符串不所有是中文");

}

 

php中，是用\x表示十六進制數據的。因而，變換成以下的代碼：

$str = "php編程";

if (preg_match("/^[\x4e00-\x9fa5]+$/",$str)) {

print("該字符串所有是中文");

} else {

print("該字符串不所有是中文");

}

貌似不報錯了，判斷的結果也正確，不過把$str換成「編程」兩字，結果卻仍是顯示「該字符串不所有是中文」，看來這樣的判斷仍是不夠準確。

重要:查閱了<精通正則表達式>發現,對於[\x4e00-\x9fa5]這塊東西,本身作一個強化的解釋

php的正則中, [\x4e00-\x9fa5],其實就是  字符和字符組的概念, \x{hex},表達一個16進制數, 須要注意的是hex 能夠是1-2位的,也能夠是4位的,可是若是是4位的必須加上大括號,

同時,若是是大於x{FF}的hex,必須和u 修飾符連用,否則會非法出錯

網上只能找到匹配全角字符的正則:   ^[\x80-\xff]*^/   ,這裏能夠不加大括號

[\u4e00-\u9fa5]能夠匹配中文,可是PHP又不支持   

不過，既然\x表示的十六進制數據，爲何和js裏邊提供的範圍\x4e00-\x9fa5不同呢？因而我就換成了下邊的代碼,發現真的準確了：

$str = "php編程";

if (preg_match("/^[\x{4e00}-\x{9fa5}]+$/u",$str)) {

    print("該字符串所有是中文");

} else {

    print("該字符串不所有是中文");

}

 

知道了php中utf-8編碼下用正則表達式匹配漢字的最終正確表達式——/^[\x{4e00}-\x{9fa5}]+$/u，

參考以上文章寫了以下一段測試代碼(複製如下代碼保存成.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漢字字母數字下劃線正則表達式

    if(!preg_match("/^[\x{4e00}-\x{9fa5}A-Za-z0-9_]+$/u",$str))   //UTF-8漢字字母數字下劃線正則表達式

    {  

        echo "<font color=red>您輸入的[".$str."]含有違法字符</font>";  

    }

    else

    {

        echo "<font color=green>您輸入的[".$str."]徹底合法,經過!</font>";  

    }

}

?>

<form method="POST" action="?action=sub">

輸入字符(數字,字母,漢字,下劃線):

    <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漢字字母數字下劃線正則表達式