一、编码范围
1. GBK (GB2312/GB18030)
x00-xff GBK双字节编码范围
x20-x7f ASCII
xa1-xff 中文
x80-xff 中文
2. UTF-8 (Unicode)
u4e00-u9fa5 (中文)
x3130-x318F (韩文
xAC00-xD7A3 (韩文)
u0800-u4e00 (日文)
ps: 韩文是大于[u9fa5]的字符
正则例子:
PLAIN TEXT
PHP:
preg_replace("/([x80-xff])/","",$str);
preg_replace("/([u4e00-u9fa5])/","",$str);
二、代码例子
PLAIN TEXT
PHP:
//判断内容里有没有中文-GBK (PHP)
以下为引用的内容: function check_is_chinese($s){ return preg_match('/[x80-xff]./', $s); } |
//获取字符串长度-GBK (PHP)
以下为引用的内容: function gb_strlen($str){ $count = 0; for($i=0; $i<strlen($str); $i++){ $s = substr($str, $i, 1); if (preg_match("/[x80-xff]/", $s)) ++$i; ++$count; } return $count; } |
//截取字符串字串-GBK (PHP)
以下为引用的内容: function gb_substr($str, $len){ $count = 0; for($i=0; $i<strlen($str); $i++){ if($count == $len) break; if(preg_match("/[x80-xff]/", substr($str, $i, 1))) ++$i; ++$count; } return substr($str, 0, $i); } |
//统计字符串长度-UTF8 (PHP)
以下为引用的内容: function utf8_strlen($str) { $count = 0; for($i = 0; $i <strlen($str); $i++){ $value = ord($str[$i]); if($value> 127) { $count++; if($value>= 192 && $value <= 223) $i++; elseif($value>= 224 && $value <= 239) $i = $i + 2; elseif($value>= 240 && $value <= 247) $i = $i + 3; else die('Not a UTF-8 compatible string'); } $count++; } return $count; } |
//截取字符串-UTF8(PHP)
以下为引用的内容: function utf8_substr($str,$position,$length){ $start_position = strlen($str); $start_byte = 0; $end_position = strlen($str); $count = 0; for($i = 0; $i <strlen($str); $i++){ if($count>= $position && $start_position> $i){ $start_position = $i; $start_byte = $count; } if(($count-$start_byte)>=$length) { $end_position = $i; break; } $value = ord($str[$i]); if($value> 127){ $count++; if($value>= 192 && $value <= 223) $i++; elseif($value>= 224 && $value <= 239) $i = $i + 2; elseif($value>= 240 && $value <= 247) $i = $i + 3; else die('Not a UTF-8 compatible string'); } $count++; } return(substr($str,$start_position,$end_position-$start_position)); } |
//字符串长度统计-UTF8 [中文3个字节,俄文、韩文占2个字节,字母占1个字节] (Ruby)
以下为引用的内容: def utf8_string_length(str) temp = CGI::unescape(str) i = 0; j = 0; temp.length.times{|t| if temp[t] <127 i += 1 elseif temp[t]>= 127 and temp[t] <224 j += 1 if 0 == (j % 2) i += 2 j = 0 end else j += 1 if 0 == (j % 3) i +=2 j = 0 end end } return i } |
//判断是否是有韩文-UTF-8 (javascript)
以下为引用的内容: function checkKoreaChar(str) { for(i=0; i<str.length; i++) { if(((str.charCodeAt(i)> 0x3130 && str.charCodeAt(i) <0x318F) || (str.charCodeAt(i)>= 0xAC00 && str.charCodeAt(i) <= 0xD7A3))) { return true; } } return false; } |
//判断是否有中文字符-GBK (javascript)
以下为引用的内容: function check_chinese_char(s){ return (s.length != s.replace(/[^x00-xff]/g,"**").length); } |