PHP中使用正则表达式提取中文实现笔记
|
《PHP实例：PHP中使用正则表达式提取中文实现笔记》要点： 最近老板叫做一个数据查重的小练习,涉及从一个包括中文字段的文件中提取出其中的中文字段并存储,使用php开发.中间涉及到php正则表达式中文匹配的问题,网上搜罗一大片,但是也很乱没有一个准信儿,经过自己的代码的修改和检验,先将extract函数写下.PHP教程 首先要注意到的是,双字节字符的编码问题,这里我们以后还可能会遇到像韩文、日文等编码问题,与中文懂得上是一个意思.PHP教程 1. GBK (GB2312/GB18030)
代码如下:
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)
代码如下:
u4e00-u9fa5 (中文)?? x3130-x318F (韩文?? xAC00-xD7A3 (韩文)?? u0800-u4e00 (日文)? 在Notepad++下面,我们可以首先进行测试我们的正则书写的错误与否.第一个表达式我是使用[u4e00-u9fa5]+来检验的,+号表现不止一个PHP教程
匹配符.成果与预期相同,那么,是否在脚本中就可以使用这个正则了呢?PHP教程 我们测试一下,我们使用preg_match_all(‘/[u4e00-u9fa5]+/',$subject,$matches)调用,然后你却看到了这么一个结果：Compilation failed: PCRE does not support L,l,N{name},U,or u at offset 2....是不是很头大??这毕竟是什么原因?PHP教程 查阅了很多资料后发现,u (PCRE_UTF8),就是上面的PCRE,这是是一个Perl库,包含 perl 兼容的正规表达式库.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.而php正则表达式对于十六进制数据的表达方式上也有所不同,在php中,是用x表示十六进制数据的.下面我们就将代码优化一下,检测函数变为：PHP教程
代码如下:
?class storeDataAdapter extends Store{?? ??????? private $dsData;?? ??????? /**? ???????? * 数据转换函数,调用preg_match_all根据$pattern正则来进行数值匹配,并将返回的结果以数组形式存储在$matches中,? ???????? * $matches[0]将包括与整个模式匹配的文本,$matches[1] 将包括与第一个捕获的括号中的子模式所匹配的文本,以此类推? ???????? * @see Store::data_convert()? ???????? */? ??????? public function data_convert($pattern,$subject) {?? ??????????? $matches=array();?? ??????????? if (preg_match_all($pattern,$matches)){?? ??????????????? return $matches[0];?? ??????????? }else??? ??????????? {?? ??????????????? return null;?? ??????????? }?? ??????? }?? ??? }? 调用的时候变为：PHP教程
代码如下:
?$store=new storeDataAdapter($txtContent);?? ??? $match=array();?? ??? $dsName=$store->data_convert(‘/[x7f-xff]+/',$txtContent);?? ??? foreach ($dsName as $val){?? ??????? echo $val."<br>";?? ??? }?? 输入文件为：PHP教程
,下面是提取出中文之后的输出文件内容：PHP教程
,相符预期需求.PHP教程 《PHP实例：PHP中使用正则表达式提取中文实现笔记》是否对您有启发，欢迎查看更多与《PHP实例：PHP中使用正则表达式提取中文实现笔记》相关教程，学精学透。编程之家 52php.cn为您提供精彩教程。 （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
