如何在PHP中利用正則表達式對中文進行提取

本篇文章為大家展示了如何在PHP中利用正則表達式對中文進行提取，內容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。

1. GBK (GB2312/GB18030)

代碼如下:

\x00-\xff GBK雙字節編碼范圍   
\x20-\x7f ASCII   
\xa1-\xff 中文 gb2312   
\x80-\xff 中文 gbk

 
2. UTF-8 (Unicode)

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

在Notepad++下面，我們可以首先進行測試我們的正則書寫的錯誤與否。第一個表達式我是使用[\u4e00-\u9fa5]+來檢驗的，+號表示不止一個

匹配符。結果與預期相同，那么，是否在腳本中就可以使用這個正則了呢？

我們測試一下，我們使用preg_match_all(‘/[\u4e00-\u9fa5]+/', $subject,$matches)調用，然后你卻看到了這么一個結果：Compilation failed: PCRE does not support \L, \l, \N{name}, \U, or \u at offset 2。。。。是不是很頭大？？這究竟是什么原因？

查閱了很多資料后發現，u (PCRE_UTF8)，就是上面的PCRE，這是是一個Perl庫，包括 perl 兼容的正規表達式庫。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。而php正則表達式對于十六進制數據的表達方式上也有所不同，在php中，是用\x表示十六進制數據的。下面我們就將代碼優化一下，檢測函數變為：

 class storeDataAdapter extends Store{   
        private $dsData;   
        /**  
         * 數據轉換函數，調用preg_match_all根據$pattern正則來進行數值匹配，并將返回的結果以數組形式存儲在$matches中，  
         * $matches[0]將包含與整個模式匹配的文本，$matches[1] 將包含與第一個捕獲的括號中的子模式所匹配的文本，以此類推  
         * @see Store::data_convert()  
         */  
        public function data_convert($pattern,$subject) {   
            $matches=array();   
            if (preg_match_all($pattern, $subject,$matches)){   
                return $matches[0];   
            }else    
            {   
                return null;   
            }   
        }   
    }

調用的時候變為：

 $store=new storeDataAdapter($txtContent);   
    $match=array();   
    $dsName=$store->data_convert(‘/[\x7f-\xff]+/',$txtContent);   
    foreach ($dsName as $val){   
        echo $val."<br>";   
    }

輸入文件為：

，下面是提取出中文之后的輸出文件內容：

，符合預期需求。

上述內容就是如何在PHP中利用正則表達式對中文進行提取，你們學到知識或技能了嗎？如果還想學到更多技能或者豐富自己的知識儲備，歡迎關注億速云行業資訊頻道。