php用正则表达抓取网页中文章(php下正则匹配中文的表达式是什么样的？(图))

　　php用正则表达抓取网页中文章(php下正则匹配中文的表达式是什么样的？(图))

　　首先unicode中文区的0x4e00-0x9fa5可以判断一个字符串是否都是java或js等编程语言有unicode编码的字符串/^[\u4e00-\u9fa5]+ $/中文

　　那么php中的字符编码就看页面了，gbk的字符编码是gbk的utf-8，之前有一个表达式“/^[\x80-\xff]+$/”也是一样can only match 是否收录

非ascll字符，汉字只是较小的区域之一，不是很准确

　　因为我的页面编码是utf-8，所以把js表达式移到了php中，提醒PCRE不支持“\u”等很多乱七八糟的东西

　　查资料得知PHP的正则中有个东西叫字符组，用\x{...}表示，所以我把表达式改成"/^[\x{4e00}- \x{9fa5}]+$/ "也提示"\x"表达式后面的数字太大

　　查资料得知可以使用修正模式“u”让程序将以下内容视为unicode字符，所以我将其改为“/^[\x{4e00}-\x{9fa5} ]+$/u" 测试成功

　　所以php下匹配中文的正则表达式为"/^[\x{4e00}-\x{9fa5}]+$/u" 这只适用于utf-8编码