php正则表达匹配中文若干问题的解决方法

$str = '中华人民共和国123456789abcdefg';
echo preg_match("/^[u4e00-u9fa5_a-zA-Z0-9]{3,15}$",$strName);
?>

运行以上代码，会提示： Warning: preg_match(): Compilation failed: PCRE does not support L, l, N, P, p, U, u, or X at offset 3 in F:wwwrootphptest.php on line 2

原因在于：PHP正则表达式中不支持下列 Perl 转义序列：L, l, N, P, p, U, u, or X

在 UTF-8 模式下，允许用“x{...}”，花括号中的内容是表示十六进制数字的字符串。

原来的十六进制转义序列 xhh 如果其值大于 127 的话则匹配了一个双字节 UTF-8 字符。 解决方法：

preg_match("/^[x80-xff_a-zA-Z0-9]{3,15}$",$strName);
preg_match('/[x{2460}-x{2468}]/u', $str);

匹配 内码汉字 按照他提供的方式进行测试：

$str = "php编程";
if (preg_match("/^[x{2460}-x{2468}]+$/u",$str)) {
print("该字符串全部是中文");
} else {
print("该字符串不全部是中文");
}
?>

这样操作，依然对是否为中文判断失常。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？ 于是将代码修改为如下内容：

$str = "php编程";
if (preg_match("/^[x4e00-x9fa5]+$/u",$str)) {
print("该字符串全部是中文");
} else {
print("该字符串不全部是中文");
}
?>

warning又一次产生了： Warning: preg_match() [function.preg-match]: Compilation failed: invalid UTF-8 string at offset 6 in test.php on line 3 接着修改，给“4e00”和“9fa5”两边分别用"{"和“}”包起来，跑了一遍，发现这次准确了：

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

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，

最终版的实现代码：

//if (preg_match(“/^[".chr(0xa1)."-".chr(0xff)."]+$/”, $str)) { //只能在GB2312情况下使用
if (preg_match(“/^[x7f-xff]+$/”, $str)) { //兼容gb2312,utf-8
echo “正确输入”;
} else {
echo “错误输入”;
}
?>

例2，

$action = trim($_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",$str)) //UTF-8汉字字母数字下划线正则表达式
{
      echo"您输入的[".$str."]含有违法字符";
}
else
{
       echo "您输入的[".$str."]完全合法,通过!";
}
}
?>

输入字符(数字,字母,汉字,下划线):

附，php中双字节字符编码范围

1. GBK (GB2312/GB18030)

x00-xff GBK双字节编码范围 x20-x7f ASCII xa1-xff 中文 gb2312 x80-xff 中文 gbk

2. UTF-8 (Unicode)

u4e00-u9fa5 (中文) x3130-x318F (韩文 xAC00-xD7A3 (韩文) u0800-u4e00 (日文)

就介绍这些吧，希望有助于大家理解php正则匹配中文的方法。 程序员之家，祝大家学习进步。