Question

php怎么将中文利用正则表达式匹配出来

preg_match_all("/[\x{4e00}-\x{9fa5}]+/u", $str, $chinese); 每次用这个总是乱码。例如我想把变量中 账单123 ，将账单提取出来并且赋在一个变量上。

Answer 1

正则匹配中文汉字根据页面编码不同而略有区别：

GBK/GB2312编码：[x80-xff]+ 或 [xa1-xff]+

UTF-8编码：[x{4e00}-x{9fa5}]+/u

$str = "账单123";
//GBK/GB2312使用： 
preg_match_all("/[\x80-\xff]+/", $str, $chinese);
//UTF-8 使用：
//preg_match_all("/[\x{4e00}-\x{9fa5}]+/u", $str, $chinese);
print_r($chinese);

阁下所说的乱码应该就是编码没弄对了

追问

但是我的编码是utf-8的

追答

那么，之所以乱码，我猜想有这些原因：

1. 文档标题没加utf-8编码标识：<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />

2. 文档编码非utf-8，这个使用编辑器另存为即可；

3. 你的字符串来源非utf-8，比如是从别处抓取而来，比如是从文件中读取而来，而非在自己的页面上定义，那么这个字符串自然就是源头处的编码了，可以使用PHP转码：

$str= iconv('GBK','UTF-8′,$str);
//或： 
//$str= mb_convert_encoding($str,'UTF-8','GBK');

 

string iconv ( string $in_charset , string $out_charset , string $str )
第一个参数：内容原的编码
第二个参数：目标编码
第三个参数：要转的字符串
函数返回字符串

 

string mb_convert_encoding ( string $str , string $to_encoding [, mixed $from_encoding ] )
第一个参数：要处理的字符串
第二个参数：目标编码

第三个参数：内容原编码

函数返回字符串