【轉】UTF-8漢字正則表達式

原文連接：http://blog.csdn.net/wide288/article/details/30066639

 

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

    }

-----------------------

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