php正则表达式匹配中文汉字

正则表达式匹配汉字

在正则表达式中，汉字属于Unicode编码范围内的字符，可以使用Unicode编码进行匹配。
例如，要匹配“你好”，可以使用正则表达式/[u4e00-u9fa5]/，
其中u4e00表示第一个汉字的Unicode编码，u9fa5表示最后一个汉字的Unicode编码。

实战：

header('Content-type: text/html; charset=UTF-8');
$pattern = '/[x{4e00}-x{9fa5}]/u';
$str = '中文汉字字符串123456';
preg_match($pattern, $str, $matches);
print_r($matches);

结果：匹配成功

Array
(
    [0] => 中
)

utf-8编码环境
php中，是用x表示十六进制数据的。

– `x{4e00}` 是中文字符的Unicode编码起始值；
– `x{9fa5}` 是中文字符的Unicode编码结束值；
– `[]` 表示字符集，里面的 `x{4e00}-x{9fa5}` 表示从 `x{4e00}` 到 `x{9fa5}` 这个范围的字符；
– `+` 表示匹配一个或多个字符；
– `/u` 告诉正则表达式引擎使用UTF-8编码

在上面的例子中，使用了 "u" 模式修饰符来支持 Unicode 字符编码，从而匹配中文字符。
在 PHP 中使用正则表达式匹配中文，需要考虑中文字符的 Unicode 编码范围，
常用的是 [x{4e00}-x{9fa5}]，其中 x{4e00} 表示汉字 "一" 的 Unicode 编码，
x{9fa5} 表示汉字 "髙" 的 Unicode 编码。
这个范围包含了大部分的中文字符。

UTF-8 (Unicode)

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

实战：

$str=preg_replace('/[^x{4e00}-x{9fa5}]/iu','',$str);
提取中文汉字

$str=preg_replace('/[x{4e00}-x{9fa5}]/iu','',$str]);
提取非中文汉字