PHP中正则表达式对UNICODE字符码的匹配方法

 更新时间:2011年04月13日 01:00:11   作者:   我要评论

看到标题是“请教PHP 一个正则匹配的问题”,又是正则表达式,好吧,看下,谁让俺比较喜欢鼓捣正则呢。下面开始正题。
网友ainiaa的问题是

PHP代码如下
复制代码 代码如下:

$words = "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSRUVWXYZ!@#$%^&*()_+-=[]\\,./{}|<>?'\"你好啊我们";
$otherStr=preg_replace("/[chr(128)-chr(256)]+/is"," ",$words);
echo 'otherStr:',$otherStr;

为什么打印的结果会是:
otherStr: ! #$% & {}| ‘”你好啊我们

麻烦问下其中正则表达式 /[chr(128)-chr(256)]+/is 代表什么意思?
如果/[chr(128)-chr(256)]+/is 指的是ascii码在128到256的字符,为什么a-zA-Z这样的字符也被替换掉了,他们的ascii码是小于127的。
最令人郁闷的是为什么ascii码同在0-127区间”#”,”$”,”%”,”&”, “!”,” {“,”}”,”|”,” ‘”,”确没有被替换掉????
更令人感觉神奇的是 如果把正则表达式修改为”/[chr(128)-chr(256)]+/s”的话,输出的结果就变成了: otherStr: defg ijklmnopq stuvwxyz ! #$% & {}| ‘”你好啊我们
只是把正则表达式中的符号‘i'给去掉,结果缺失这样的。 完全的令我理解不了。
不知各位 有何见解????
另附ascii 码 对照表
(这个ASCII码表的图我就不贴了)

回帖中,有个网友说没解析chr(128)这些,并给出了新的解决方法。首先说下此网友回答的是正确的,先不评论他是否“知其然,且知其所以然”,这位网友没有给出错误的原因。

CFC4N来回答一下这位网友:

PHP的正则的preg_match函数用的是PCRE正则引擎,这位网友的代码中,PCRE引擎处理的正则表达式为【/[chr(128)-chr(256)]+/is】,后面的is是什么呢?
在PHP的正则里,边界字符后面的叫模式修饰符。它会告诉引擎如何解析,处理正则。其中i修饰符表示不区分大小写。s表示“点号通配模式”,用来让正则里的元字符点号【.】可以匹配换行符,这个修饰符仅对点号【.】起作用。在这位网友的问题中,修饰符s并不起作用的。

查找原因:
我们在来分析一下这个网友写的正则表达式【[chr(128)-chr(256)]+】,正则表达式的PCRE引擎是如何解释这个正则的呢?首先,我们要知道,在正则表达式中,中括号【[]】表示字符组,字符组中除了连接符【-】只外,都不是元字符,也就是说,都是普通字符,当然,如果连字符出现在第一个,或者不是标识两个字符之间范围的,都是普通的字符横杠“-”罢了。这里的chr(128)只是标识ASCII码为128(确切的说,ASCII码只是0-127个,128到其他的,应该不叫ASCII码了。),但是在正则里,他仍然代表【c、h、r、(、1、2、8、)】(顿号不是,只是区分易读的)这八个字符罢了。这个正则里的连接字符,是哪些范围呢?很明显,这里的连接字符的范围是【)-c】,“)”ASCII码为0×29,也就是十进制的41;“c”的ASCII码为0×63,也就是十进制的99,那么,他这个连接字符的范围就是ASCII 41(chr(41))到ASCII 99(chr(99))之间的字符。也就是说,这位网友的正则的范围是【[hr)-c(]】,就是chr(41)到chr(99)外加hr这两个字母和前面的“(”。
网友第一次测试的时候,有修饰符i,意思就是说,不区分大小写,那么在chr(41)到chr(99)之间的字符,以及这些字符如果有大小写,则包括他们的大小写都符合匹配。都会被替换成空。其第二次测试的时候,去掉了修饰符i,进行了不区分大小写的匹配,由于其范围只到c,但突然,再除了小写字母的“h”、“r”,所以,测试结果会多出“defgijklmnopqstuvwxyz”。所以,他的结果出现了这些差别。

网友的表达式等同于如下图所示

解决办法:
错误的原因找出来了,那么,解决的办法呢?
我们先来看看这位网友的需求,他的需求是将unicode(ASCII只是0-127位的,128之后的,应该叫UNICODE码)的chr(128)到chr(255)之间的字符匹配,替换为空罢了。正则表达式里,对十六进制的字符匹配的表示方式有两种,【\u】和【\x{}】,前者只能表示【\u】后面4位的十六进制数值,而后者【\x{}】则可以表示任意多的十六进制位数(写在大括号中)。
那么,这个正则表达式该如何写????

网友的目的是chr(128)到chr(255),那么就是【[\u0080-\u00FF]】或者【[\x{0080}-\x{00FF}]】。
其目的是匹配下图中的红框内字符



提醒一下,PHP里正则匹配unicode字符时,需要使用u修饰符。
根据网友需求,更改正则之后的PHP代码如下:
复制代码 代码如下:

$words = "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSRUVWXYZ!@#$%^&*()_+-=[]\\,./{}|<>?'\"你好啊我们";
$otherStr=preg_replace("//[\x{0080}-\x{00FF}]+/iu"," ",$words);
echo 'otherStr:',$otherStr;

其运行结果是仍然输出那段字符串,为什么呢?因为哪些字符串都不在chr(128)到chr(255)的范围之内。
(测试时,注意文件编码为UTF-8)
以上为鄙人愚见,欢迎批评指正。

相关文章

  • 判断用户输入的银行卡号是否正确的方法(基于Luhn算法的格式校验)

    判断用户输入的银行卡号是否正确的方法(基于Luhn算法的格式校验)

    下面小编就为大家带来一篇判断用户输入的银行卡号是否正确的方法(基于Luhn算法的格式校验)。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2017-04-04
  • 12个常用的js正则表达式

    12个常用的js正则表达式

    这篇文章为大家分享了12个常用的js表单验证正则表达式,对于开发人员来说,正则表达式是一个非常有用的功能,它提供了 查找,匹配,替换 句子,单词,或者其他格式的字符串,需要的朋友可以参考下
    2015-11-11
  • PHP 正则表达式后面接的/isU, /is, /s含义

    PHP 正则表达式后面接的/isU, /is, /s含义

    PHP 正则表达式后面接的/isU, /is, /s含义说明,学习正则表达式的朋友需要了解下。
    2010-02-02
  • 比较全面的C 、Java、JavaScript中的正则表达式详解

    比较全面的C 、Java、JavaScript中的正则表达式详解

    正则表达式(Regular Expression) 就是用某种模式去匹配一类字符串的公式。本篇文章给大家介绍C 、Java、JavaScript中的正则表达式,本文介绍的非常全面,感兴趣的朋友一起看看吧
    2015-10-10
  • grep用法详解 grep与正则表达式

    grep用法详解 grep与正则表达式

    首先要记住的是: 正则表达式与通配符不一样,它们表示的含义并不相同!
    2012-09-09
  • 无殇 javascript正则练习器

    无殇 javascript正则练习器

    无殇写的javascript正则练习器,比较不错,最后生成替换参数,美中不足的就是替换无法使用,本人也试着修改因为替换参数过多而无法实现,希望会的朋友修正一下
    2007-06-06
  • 匹配form表单中所有内容的正则表达式

    匹配form表单中所有内容的正则表达式

    这篇文章主要介绍了匹配form表单中所有内容的正则表达式,实现在HTML文件代码中匹配form表单中的所有内容,需要的朋友可以参考下
    2014-07-07
  • php正则表达式中贪婪与非贪婪介绍

    php正则表达式中贪婪与非贪婪介绍

    什么叫贪婪,比如说要从字符串中td面包一td td面包二td吃面包,本来你只可以吃面包一,可是你贪心,于是就把第一个td到最后一个td里面的两个面包取出来了,你想多吃点,非贪婪也就是你不贪吃了,就只吃面包一
    2016-03-03
  • 使用正则表达式替换报表名称中的特殊字符(推荐)

    使用正则表达式替换报表名称中的特殊字符(推荐)

    正则表达式,又称规则表达式。这篇文章给大家介绍了使用正则表达式替换报表名称中的特殊字符,及Java正则表达式替换所有特殊字符的方法,非常不错,具有参考借鉴价值,感兴趣的朋友一起看看吧
    2016-11-11
  • 正则文本框只能输入正整数

    正则文本框只能输入正整数

    用正则表达式实现的文本框只能输入正整数的代码
    2008-10-10

最新评论