php 正則匹配中文
轉載：http://hi.baidu.com/?_d/blog/item/063b77d5432f8f1aa18bb7fd.html
在javascript中，要判斷字符串是中文是很簡單的。比如：
var str = "php編程";
if (/^[\u4e00-\u9fa5]+$/.test(str)) {
alert("該字符串全部是中文");
} else {
alert("該字符串不全部是中文");
}
想當然的，在php中來判斷字符串是否為中文，就會沿襲這個思路：
<?php
$str = "php編程";
if (preg_match("/^[\u4e00-\u9fa5]+$/",$str)) {
print("該字符串全部是中文");
} else {
print("該字符串不全部是中文");
}
?>
不過，很快就會發現，php並不支持這樣的表達，報錯：
Warning: preg_match() [function.preg-match]: Compilation failed: PCRE does not support \L, \l, \N, \U, or \u at offset 3 in test.php on line 3
剛開始從google上查了很多次，想從php正則表達式對於十六進制數據的
表達方式上進行突破，發現在php中，是用\x表示十六進制數據的。於是，
變換成如下的代碼：
$str = "php編程";
if (preg_match("/^[\x4e00-\x9fa5]+$/",$str)) {
print("該字符串全部是中文");
} else {
print("該字符串不全部是中文");
}
貌似不報錯了，判斷的結果也正確，不過把$str換成“編程”兩字，結果卻
還是顯示“該字符串不全部是中文”，看來這樣的判斷還是不夠準確。
後來跑回百度搜“php 匹配漢字 utf 8”，發現文章的匹配程度竟然要比google的高多了，
看來百度的“百度更懂中文”還在一定程度上是正確的。在第二篇文章《★★★ 求UTF8
下匹配漢字的正則, 在線等.........》中看到了如下的一些內容：
樓主zhiin（┈ Jcan ┈）2006-11-15 15:59:30 在 Web 開發 / PHP 提問
求UTF8下匹配漢字的正則, 不包括全角字符及特殊符號!
網上只能找到匹配全角字符的正則: ^[\x80-\xff]*^/
[\u4e00-\u9fa5]可以匹配中文,但是PHP又不支持
郁悶中.......
1 樓PleaseDoTellMeWhy（Allah bless you!）回復於 2006-11-15 16:04:55 得分 11
chr(0xa1) . ‘-‘ . chr(0xff)可以匹配所有中文,但是不知道在UTF-8下如何!Top
2 樓zhiin（┈ Jcan ┈）回復於 2006-11-15 16:11:34 得分 0
即使在gb2312下, chr(0xa1) . ‘-‘ . chr(0xff) 也不對
它把全角符號也匹配進來了Top
3 樓xuzuning（嘮叨）回復於 2006-11-15 16:19:56 得分 90
模式修正符： u
按照這幾位提供的線索逐個試了一下，發現還真的如他們所說，可能還跟編碼有關系，
因此需要了解一下模式修正符的相關知識——於是繼續搜索百度。
在一篇《模式修正符》的文章中了解到：
u (PCRE_UTF8)
此修正符啟用了一個 PCRE 中與 Perl 不兼容的額外功能。模式字符串被當成 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。
例子:
preg_match(‘/[\x{2460}-\x{2468}]/u‘, $str); 匹配 內碼漢字
按照他提供的方式進行測試，代碼如下：
$str = "php編程";
if (preg_match("/^[\x{2460}-\x{2468}]+$/u",$str)) {
print("該字符串全部是中文");
} else {
print("該字符串不全部是中文");
}
發現這次依然對是否為中文判斷失常。不過，既然\x表示的十六進制數據，
為什麽和js裏邊提供的範圍\x4e00-\x9fa5不一樣呢？於是我就換成了下邊的代碼：
$str = "php編程";
if (preg_match("/^[\x4e00-\x9fa5]+$/u",$str)) {
print("該字符串全部是中文");
} else {
print("該字符串不全部是中文");
}
本來以為鐵定成功了的事情，沒想到，warning又一次產生了：
Warning: preg_match() [function.preg-match]: Compilation failed: invalid UTF-8 string at offset 6 in test.php on line 3
看來又有錯誤的表達方式了，於是對照了一下那篇文章的表達方式，
給“4e00”和“9fa5”兩邊分別用"{"和“}”包起來，跑了一遍，發現真的準確了：
$str = "php編程";
if (preg_match("/^[\x{4e00}-\x{9fa5}]+$/u",$str)) {
print("該字符串全部是中文");
} else {
print("該字符串不全部是中文");
}
知道了php中utf-8編碼下用正則表達式匹配漢字的最終正確表達式——/^[\x{4e00}-\x{9fa5}]+$/u，
於是我又用這個表達式去百度搜索，發現竟然還真有別人得出過這樣正確的結論，只不過通過
常規的方式很難找到而已，而且僅僅搜到有一篇——《用正則刪除漢字》，看來互聯網上對於
信息的正確性的篩選還是亟待加強的。
ps：對google不死心，也搜索了一下，又發現了一篇文章《php常用類》，
還是在百度空間的，呵呵，有意思！
----------------------------------------------------------------------------------------------------------------------------------
參考以上文章寫了如下一段測試代碼(復制以下代碼保存成.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."]完全合法,通過!</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>
php 正則匹配中文