您好,登錄后才能下訂單哦!
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(nèi)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(jié)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(jié)果與預(yù)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(diào)用,然后你卻看到了這么一個結(jié)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(fā)現(xiàn),u (PCRE_UTF8),就是上面的PCRE,這是是一個Perl庫,包括 perl 兼容的正規(guī)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(dāng)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(shù)據(jù)的表達方式上也有所不同,在php中,是用\x表示十六進制數(shù)據(jù)的。下面我們就將代碼優(yōu)化一下,檢測函數(shù)變?yōu)椋?/p>
class storeDataAdapter extends Store{ private $dsData; /** * 數(shù)據(jù)轉(zhuǎn)換函數(shù),調(diào)用preg_match_all根據(jù)$pattern正則來進行數(shù)值匹配,并將返回的結(jié)果以數(shù)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(diào)用的時候變?yōu)椋?/p>
$store=new storeDataAdapter($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(nèi)容:
,符合預(yù)期需求。
上述內(nèi)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(xué)到知識或技能了嗎?如果還想學(xué)到更多技能或者豐富自己的知識儲備,歡迎關(guān)注億速云行業(yè)資訊頻道。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。