作者：用户rmgq8prdxo | 来源：互联网 | 2023-05-30 18:00
1.笼统的使用元字符匹配中文，.*?s，可匹配一段中文，这在ANSI(gb2312)和utf-8环境的程序代码都可以实现。但提醒一下，\w不能匹配中文。曾在一本《精通正则表达式》(人
1. 笼统的使用元字符匹配中文，/.*?/s，可匹配一段中文，这在ANSI(gb2312)和utf-8环境的程序代码都可以实现。但提醒一下，\w不能匹配中文。曾在一本《精通正则表达式》(人民邮电出版社，沙金编著)书上看到可以使用\w匹配中文，这里纠正一下用php不行。可以使用”/./”，” /[^\d]/”，”/[^a]/”，匹配中文字符。
2. 如果要精准匹配中文，即匹配纯中文字符，或匹配中文字符加上全角标点，则需要根据不同编码环境使用不同方法。下面以两种常用的编码(gb2312,utf-8)进行介绍：
在 ANSI(gb2312)环境下，可使用[chr(0xnn)-chr(0xmm)]的方式匹配，如在一篇网文上就提供这样的方法，”/[".chr(0xb0)."-".chr(0xf7)."]+/”，这是可以使用的，但这太过笼统，这个表达式是匹配全部的gb2312编码表的字符，既包括汉字、标点、日文平假名等，还有一些不知是什么符号的。而从编码表可以看出汉字的编码范围是0xb0a1-0xf7fe，并且gb2312 是用两个字节进行编码的，每个字节最高位都是1 。所以可以藉此写出单纯匹配汉字的正则式：
"/([".chr(0xb0)."-".chr(0xf7)."][".chr(0xa1)."-".chr(0xfe)."])/" ，该表达式能匹配一个中文字符，数量关系就可以容易扩展了。
并且举一反三，如果想匹配全角标点而不匹配中文就可以这样写：
"/([".chr(0xa1)."-".chr(0xa3)."][".chr(0xa1)."-".chr(0xff)."])/"，就是匹配编码范围0xa1a1-0xa3ff内的符号。其他的类似。
3. 下面介绍utf-8环境下中文的匹配。类似于上面，也可以使用unicode编码表来确定中文的匹配。由编码表可以看出，中文的编码范围是0x4e00-0x9fa5,于是正则式可以这样写：
"/[\x{4e00}-\x{9fa5}]/u" ，\x{nnnn}表示字符的十六进制形式，更多信息请自己查看php手册。要特别注意的是模式修正符u ，php手册里这样说：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。自 PHP 4.3.5 起开始检查模式的 UTF-8 合法性。这正是正确匹配所必须的。其实也想提醒一下，是utf-8环境使用元字符匹配字符串最好加上修正符u，这只是经验。
下面给两个例子：
(1) ANSI编程环境下:
$strtest = “yyg中文字符yyg”;
$pregstr = "/([".chr(0xb0)."-".chr(0xf7)."][".chr(0xa1)."-".chr(0xfe)."])+/i";
if(preg_match($pregstr,$strtest,$matchArray)){
echo $matchArray[0];
}
//output:中文字符
(2) Utf-8编程环境下:
$strtest = “yyg中文字符yyg”;
$pregstr = "/[\x{4e00}-\x{9fa5}]+/u";
if(preg_match($pregstr,$strtest,$matchArray)){
echo $matchArray[0];
}
//output:中文字符
阅读(46) | 评论(0) | 转发(0) |
0 上一篇：项目回顾 （今天才能上网……都快忘了 ）
下一篇：【分享】sphinx的小技巧三则（最大记录数、高亮、搜索排序）
相关热门文章
- 《数字技术与应用》征稿**投稿...
- 信用卡（Visa.Master）在线收...
- AAA软件教育学院java短期培训...
- 分年龄除皱 找对方法事半功倍...
- 太阳城开户
- 毕业五年（续）
- 毕业五年
- 职业生涯规划
- 中国软件开发工程师之痛...
- 闲置书处理！
- 大家都是用什么来管理hadoop集...
- 网站被人挂了吗，添加了些程序...
- Nginx如何保证不走宕机的那个...
- 大家谈谈MYSQL客户端和服务器...
- 以下代码运行后为何会输出5?...
给主人留下些什么吧！~~
评论热议
京公网安备 11010802041100号