Appearance

「转+」正则对中文的匹配 ​

对原文的评价: 好文章输在格式上了
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]+$/.test(str)) {
    alert("该字符串全部是中文");
} else {
    alert("该字符串不全部是中文");
}
var str = "php编程";
if (/^[\u4e00-\u9fa5]+$/.test(str)) {
    alert("该字符串全部是中文");
} else {
    alert("该字符串不全部是中文");
}

在Javascript 中. 编码是 unicode 字符 ​

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：

$str = "php编程";
if (preg_match("/^[\u4e00-\u9fa5]+$/",$str)) {
    print("该字符串全部是中文");
} else {
    print("该字符串不全部是中文");
}
$str = "php编程";
if (preg_match("/^[\u4e00-\u9fa5]+$/",$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 ...

所以所有 \u 的匹配都是不靠谱的, 如果说使用 preg_match 的话, 故而有
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");
}
$str = "php编程";
if (preg_match("/^[\x4e00-\x9fa5]+$/",$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。于是继续搜:
片言只语:
01: 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
02: chr(0xa1) . '-' . chr(0xff) 可以匹配所有中文,但是不知道在UTF-8下如何!即使在gb2312下, chr(0xa1) . '-' . chr(0xff) 也不对, 它把全角符号也匹配进来了
03: 模式修正符： u

关于修正符 ​

  • 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。

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

参考文章 ​