PHP正确解析UTF-8字符串

PHP正确解析UTF-8字符串有需要的朋友可参考一下。

代码如下

复制代码

$str = '今天非常Happy，所有决定去KFC吃可乐鸡翅!!!'; /* $str 是待截取的字符串 $len 是截取的字符数 */ function utf8sub($str,$len) {  if($len <= 0){   return '';  }    $offset = 0; // 截取高位字节时的偏移量  $chars = 0;  // 截取到的字符数  $res = '';   // 存放截取的结果字符串    while($chars < $len){   // 先取字符串的第一个字节   // 将它转为十进制   // 再转为二进制   $high = ord(substr($str,$offset,1));      // echo '$high='. $high .'<br />';   if($high == null ){ // 如果取出高位为null，证明已经取到末尾，直接break    break;   }    if(($high>>2) === 0x3F){ // 将高位右移2位，和二进制111111比较，相同则取6个字节    // 截取2个字节    $count = 6;   }else if(($high>>3) === 0x1F){ // 将高位右移2位，和二进制11111比较，相同则取5个字节    // 截取3个字节    $count = 5;   }else if(($high>>4) === 0xF){ // 将高位右移2位，和二进制1111比较，相同则取4个字节      // 截取4个字节    $count = 4;   }else if(($high>>5) === 0x7){ // 将高位右移2位，和二进制111比较，相同则取3个字节       // 截取5个字节    $count = 3;   }else if(($high>>6) === 0x3){ // 将高位右移2位，和二进制11比较，相同则取2个字节    // 截取6个字节    $count = 2;   }else if(($high>>7) === 0x0){ // 将高位右移2位，和二进制0比较，相同则取1个字节    $count = 1;   }   // echo '$count='.$count.'<br />';      $res .= substr($str,$offset,$count); // 取出一个字符与$res字符串连接   $chars += 1;  // 截取到的字符数+1   $offset += $count;  // 截取高位偏移量向后移$count字节  }  return $res; } echo utf8sub($str,100);

下面介绍一种在php中开启乌苏市提示的方法，有需要的朋友可参考一下。

一：php.ini配置

php.ini配置中与此相关的有两个配置变量。下面是这两个变量及其默认值：

以下是引用片段：

代码如下	复制代码
display_errors = Off error_reporting = E_ALL & ~E_NOTICE

display_errors 变量的目的很明显 —— 它告诉PHP是否显示错误。默认值是 Off。现在我们的目的是显示错误提示，那么：

以下是引用片段：

代码如下	复制代码
display_errors = On

E_ALL，这个设置会显示从不良编码实践到无害提示到出错的所有信息。E_ALL 对于开发过程来说有点太细，因为它连变量未初始化也显示提示，而这一点正是PHP“高级”的一个特征。幸好，error_reporting的默认值是“E_ALL & ~E_NOTICE”，这样就只看到错误和不良编码了，对程序无不利的提示则不会显示。

修改php.ini后需要重新启动Apache，这样才可以在apache中生效，当然你如果只在命令行下测试程序，是不需要这一步的。

对敌值 宏定义

代码如下	复制代码
1 E_ERROR  2 E_WARNING  4 E_PARSE  8 E_NOTICE  16 E_CORE_ERROR  32 E_CORE_WARNING  64 E_COMPILE_ERROR  128 E_COMPILE_WARNING  256 E_USER_ERROR  512 E_USER_WARNING  1024 E_USER_NOTICE  6143 E_ALL  2048 E_STRICT  4096 E_RECOVERABLE_ERROR

php正则表达式

通用模式

 
定界符，通常使用 "/"做为定界符开始和结束,也可以使用"#"。
　　什么时候使用"#"呢?一般是在你的字符串中有很多"/"字符的时候，因为正则的时候这种字符需要转义，比如uri。
     使用"/"定界符的代码如下.

代码如下	复制代码
?$regex = '/^http://([w.]+)/([w]+)/([w]+).html$/i'; $str = 'http://www.youku.com/show_page/id_ABCDEFG.html'; $matches = array();   if(preg_match($regex, $str, $matches)){     var_dump($matches); }   echo "n";

    preg_match中的$matches[0]将包含与整个模式匹配的字符串。

    使用"#"定界符的代码如下.这个时候对"/"就不转义!

?$regex = '#^http://([w.]+)/([w]+)/([w]+).html$#i';
$str = 'http://www.youku.com/show_page/id_ABCDEFG.html';
$matches = array();
 
if(preg_match($regex, $str, $matches)){
    var_dump($matches);
}
 
echo "n";

修饰符:用于改变正则表达式的行为。

     我们看到的('/^http://([w.]+)/([w]+)/([w]+).html/i')中的最后一个"i"就是修饰符,表示忽略大小写，还有一个我们经常用到的是"x"表示忽略空格。

贡献代码:

 

?$regex = '/HELLO/';
$str = 'hello word';
$matches = array();
 
if(preg_match($regex, $str, $matches)){
    echo 'No i:Valid Successful!',"n";
}
 
if(preg_match($regex.'i', $str, $matches)){
    echo 'YES i:Valid Successful!',"n";
}

 

字符域:[w]用方括号扩起来的部分就是字符域。

限定符:如[w]{3,5}或者[w]*或者[w]+这些[w]后面的符号都表示限定符。现介绍具体意义。

     {3,5}表示3到5个字符。{3,}超过3个字符，{,5}最多5个，{3}三个字符。

     * 表示0到多个

     + 表示1到多个。

 脱字符号

      ^:

          > 放在字符域(如:[^w])中表示否定(不包括的意思)——“反向选择”

          >  放在表达式之前，表示以当前这个字符开始。(/^n/i,表示以n开头)。
 注意，我们经常管""叫"跳脱字符"。用于转义一些特殊符号，如".","/"

界符：正则表达式的形式一般如下：
/love/
其中位于“/”定界符之间的部分就是将要在目标对象中进行匹配的模式。
元字符：就是指那些在正则表达式中具有特殊意义的专用字符，可以用来规定其前导字符（即位于元字符前面的字符）在目标对象中的出现模式。
较为常用的元字符包括： “+”， “*”，以及 “?”。
“+”元字符规定其前导字符必须在目标对象中连续出现一次或多次
“*”元字符规定其前导字符必须在目标对象中出现零次或连续多次，
“?”元字符规定其前导字符必须在目标对象中连续出现零次或一次。
下面，就让我们来看一下正则表达式元字符的具体应用。
/fo+/
因为上述正则表达式中包含“+”元字符（它前面的“o”是前导字符），表示可以与目标对象中的“fool”, “fo”等在字母f后面连续出现一个或多个字母o的字符串相匹配。
除了元字符之外，用户还可以精确指定模式在匹配对象中出现的频率。例如，
/jim{2,6}/
上述正则表达式规定字符m可以在匹配对象中连续出现2-6次，因此，上述正则表达式可以同jimmy或jimmmmmy等字符串相匹配。
其它几个重要的元字符的使用方式。
s：用于匹配单个空格符，包括tab键和换行符；
S：用于匹配除单个空格符之外的所有字符；
d：用于匹配从0到9的数字；
w：用于匹配字母，数字或下划线字符；
W：用于匹配所有与w不匹配的字符；
. ：用于匹配除换行符之外的所有字符。
（说明：我们可以把s和S以及w和W看作互为逆运算）
下面，我们就通过实例看一下如何在正则表达式中使用上述元字符。
/s+/
上述正则表达式可以用于匹配目标对象中的一个或多个空格字符。
除了我们以上所介绍的元字符之外，正则表达式中还具有另外一种较为独特的专用字符，即定位符。
定位符：用于规定匹配模式在目标对象中的出现位置。
较为常用的定位符包括： “^”, “$”, “b” 以及 “B”。
“^”定位符规定匹配模式必须出现在目标字符串的开头
“$”定位符规定匹配模式必须出现在目标对象的结尾
b定位符规定匹配模式必须出现在目标字符串的开头或结尾的两个边界之一
“B”定位符则规定匹配对象必须位于目标字符串的开头和结尾两个边界之内，即匹配对象既不能作为目标字符串的开头，也不能作为目标字符串的结尾。同样，我们
也可以把“^”和“$”以及“b”和“B”看作是互为逆运算的两组定位符。举例来说：
/^hell/
因为上述正则表达式中包含“^”定位符，所以可以与目标对象中以 “hell”, “hello”或 “hellhound”开头的字符串相匹配。
/ar$/
因为上述正则表达式中包含“$”定位符，所以可以与目标对象中以 “car”, “bar”或 “ar” 结尾的字符串相匹配。
/bbom/
因为上述正则表达式模式以“b”定位符开头，所以可以与目标对象中以 “bomb”, 或 “bom”开头的字符串相匹配。
/manb/
因为上述正则表达式模式以“b”定位符结尾，所以可以与目标对象中以 “human”, “woman”或 “man”结尾的字符串相匹配。
为了能够方便用户更加灵活的设定匹配模式，正则表达式允许使用者在匹配模式中指定某一个范围而不局限于具体的字符。例如：
/[A-Z]/
上述正则表达式将会与从A到Z范围内任何一个大写字母相匹配。
/[a-z]/
上述正则表达式将会与从a到z范围内任何一个小写字母相匹配。
/[0-9]/
上述正则表达式将会与从0到9范围内任何一个数字相匹配。
/([a-z][A-Z][0-9])+/
上述正则表达式将会与任何由字母和数字组成的字符串，如 “aB0” 等相匹配。这里需要提醒用户注意的一点就是可以在正则表达式中使用 “()” 把字符串组合在一起。
“()”符号：包含的内容必须同时出现在目标对象中。因此，上述正则表达式将无法与诸如 “abc”等的字符串匹配，因为“abc”中的最后一个字符为字母而非数字。
如果我们希望在正则表达式中实现类似编程逻辑中的“或”运算，在多个不同的模式中任选一个进行匹配的话，可以使用管道符： “|”。例如：
/to|too|2/
上述正则表达式将会与目标对象中的 “to”, “too”, 或 “2” 相匹配。
否定符：“[^]”。与我们前文所介绍的定位符 “^” 不同，否定符 “[^]”规定目标对象中不能存在模式中所规定的字符串。例如：
/[^A-C]/
上述字符串将会与目标对象中除A，B，和C之外的任何字符相匹配。一般来说，当“^”出现在 “[]”内时就被视做否定运算符；而当“^”位于“[]”之外，或没有“[]”时，则应当被视做定位符。
最后，当用户需要在正则表达式的模式中加入元字符，并查找其匹配对象时，可以使用
转义符：“”。例如：
/Th*/
上述正则表达式将会与目标对象中的“Th*”而非“The”等相匹配。
 
实际经验介绍
还是得说说 ^ 和 $ 他们是分别用来匹配字符串的开始和结束，以下分别举例说明：
“^The”：开头一定要有”The”字符串；
“of despair$”：结尾一定要有”of despair” 的字符串；
那么，
“^abc$”：就是要求以abc开头和以abc结尾的字符串，实际上是只有abc匹配；
“notice”：匹配包含notice的字符串；
你可以看见如果你没有用我们提到的两个字符（最后一个例子），就是说模式（正则表达式）可以出现在被检验字符串的任何地方，你没有把他锁定到两边。
接着，说说 ‘*’ ‘+’ 和 ‘?’
他们用来表示一个字符可以出现的次数或者顺序，他们分别表示：
“zero or more”相当于{0,}
“one or more”相当于{1,}
“zero or one.”相当于{0,1}
这里是一些例子：
“ab*”：和ab{0,}同义，匹配以a开头，后面可以接0个或者N个b组成的字符串(”a”, “ab”, “abbb”, 等)；
“ab+”：和ab{1,}同义，同上条一样，但最少要有一个b存在 (”ab” “abbb”等)；
“ab?”：和ab{0,1}同义，可以没有或者只有一个b；
“a?b+$”：匹配以一个或者0个a再加上一个以上的b结尾的字符串。
要点：’*’ ‘+’ 和 ‘?’ 只管它前面那个字符。
你也可以在大括号里面限制字符出现的个数，比如：
“ab{2}”: 要求a后面一定要跟两个b（一个也不能少）(”abb”)；
“ab{2,}”: 要求a后面一定要有两个或者两个以上b(如”abb” “abbbb” 等)；
“ab{3,5}”: 要求a后面可以有2－5个b(”abbb”, “abbbb”, or “abbbbb”)。
现在我们把一定几个字符放到小括号里，比如：
“a(bc)*”: 匹配 a 后面跟0个或者一个”bc”；
“a(bc){1,5}”: 一个到5个 “bc”；
还有一个字符 ‘|’，相当于OR操作：
“hi|hello”: 匹配含有”hi” 或者 “hello” 的 字符串；
“(b|cd)ef”: 匹配含有 “bef” 或者 “cdef”的字符串；
“(a|b)*c”: 匹配含有这样多个（包括0个）a或b，后面跟一个c的字符串；
一个点(’.’)可以代表所有的单一字符，不包括” ”
如果，要匹配包括” ”在内的所有单个字符，怎么办？
用’[ .]’这种模式。
“a.[0-9]”: 一个a加一个字符再加一个0到9的数字；
“^.{3}$”: 三个任意字符结尾。
中括号括住的内容只匹配一个单一的字符
“[ab]”: 匹配单个的 a 或者 b ( 和 “a│b” 一样)；
“[a-d]”: 匹配’a’ 到’d’的单个字符 (和”a│b│c│d” 还有 “[abcd]”效果一样)；
一般我们都用[a-zA-Z]来指定字符为一个大小写英文：
“^[a-zA-Z]”: 匹配以大小写字母开头的字符串；
“[0-9]%”: 匹配含有 形如 x％ 的字符串；
“,[a-zA-Z0-9]$”: 匹配以逗号再加一个数字或字母结尾的字符串；
你也可以把你不想要得字符列在中括号里，你只需要在总括号里面使用’^’ 作为开头 “%[^a-zA-Z]%” 匹配含有两个百分号里面有一个非字母的字符串。
要点：^用在中括号开头的时候，就表示排除括号里的字符。
为了PHP能够解释，你必须在这些字符面前后加”，并且将一些字符转义。
不要忘记在中括号里面的字符是这条规路的例外—在中括号里面，所有的特殊字符，包括(”)，都将失去他们的特殊性质 “[*+?{}.]”匹配含有这些字符的字符串：
还有，正如regx的手册告诉我们：”如果列表里含有’]’，最好把它作为列表里的第一个字符(可能跟在’^’后面)。如果含有’-’，最好把它放在最前面或者最后面
， or 或者一个范围的第二个结束点[a-d-0-9]中间的‘-’将有效。
看了上面的例子，你对{n,m}应该理解了吧。要注意的是，n和m都不能为负整数，而且n总是小于m。这样，才能 最少匹配n次且最多匹配m次。如”p{1,5}”将匹配
“pvpppppp”中的前五个p
下面说说以开头的
b 书上说他是用来匹配一个单词边界，就是…比如’veb’，可以匹配love里的ve而不匹配very里有ve
B 正好和上面的b相反。
正则表达式的其他用法
提取字符串
ereg() and eregi() 有一个特性是允许用户通过正则表达式去提取字符串的一部分(具体用法你可以阅读手册)。比如说，我们想从 path/URL 提取文件名，下面的代
码就是你需要：
ereg(”([^\/]*)$”, $pathOrUrl, $regs);
echo $regs[1];
高级的代换
ereg_replace() 和 eregi_replace()也是非常有用的，假如我们想把所有的间隔负号都替换成逗号：
ereg_replace(”[ t]+”, “,”, trim($str));

以下为引用的内容：

preg_match()和preg_match_all()  
preg_quote()  
preg_split()  
preg_grep()  
preg_replace()
函数的具体使用，我们可以通过PHP手册来找到，下面分享一些平时积累的正则表达式：

匹配action属性

 

以下为引用的内容：

代码如下	复制代码
$str = '';       $match = '';       preg_match_all('/s+action="(?!http:)(.*?)"s/', $str, $match);       print_r($match);

 

在正则中使用回调函数

 

以下为引用的内容：

代码如下	复制代码
/**      * replace some string by callback function      *      */    function callback_replace() {         $url = 'http://esfang.house.sina.com.cn';         $str = '';         $str = preg_replace ( '/(?<=saction=")(?!http:)(.*?)(?="s)/e', 'search($url, \1)', $str );                  echo $str;     }          function search($url, $match){         return $url . '/' . $match;     }

 

带断言的正则匹配

 

以下为引用的内容：

代码如下	复制代码
$match = '';      $str = 'xxxxxx.com.cn bold font  paragraph text ';      preg_match_all ( '/(?<=<(w{1})>).*(?=</1>)/', $str, $match );      echo "匹配没有属性的HTML标签中的内容：";      print_r ( $match );

 

替换HTML源码中的地址

 以下为引用的内容：

代码如下	复制代码
$form_html = preg_replace ( '/(?<=saction="|ssrc="|shref=")(?!http:|javascript)(.*?)(?="s)/e', 'add_url($url, '\1')', $form_html );

元字符

在上面的例子中，^ 、d 及 $ 等这些符号，代表了特定的匹配意义，我们称之为元字符，常用的元字符如下：

元字符	说明
.	匹配除换行符意外的任意字符
w	匹配字母或数字或下划线
s	匹配任意的空白符
d	匹配数字
b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束
[x]	匹配x字符，如匹配字符串中的 a、b 和 c 字符
W	w的反义，即匹配任意非字母，数字，下划线和汉字的字符
S	s的反义，即匹配任意非空白符的字符
D	d的反义，即匹配任意非数字的字符
B	b的反义，即不是单词开头或结束的位置
[^x]	匹配除了 x 意外的任意字符，如 [^abc] 匹配除了 abc 这几个字母之外的任意字符

我们在require，include和require_once，include_once 出现open_basedir错误，下面百度了一些解决方法有， 需要的朋友可参考一下。

只要使用require或include包含文件（不管是./xx.php还是xx.php）都是报下面的错误
Warning: include() [function.include]: open_basedir restriction in effect. File() is not within the allowed path(s): (/var/www/:/tmp/:/var/cache/) in /var/www/testdir.php on line 2

php 5.2.17听说 open_basedir 有所改动，查看发现原来php5.2.10中的php.ini是使用右斜杠

 

代码如下	复制代码
open_basedir = "e:/web/;C:/WINDOWS/TEMP/;"

升级到5.2.17 就tmd一直报错，改成左斜杠就好了，这叫什么事，难怪很多程序都会手工处理一下斜杠问题，估计就为了应对这一出

代码如下	复制代码
open_basedir = "e:web;C:WINDOWSTEMP;"

这样就解决了

如果不是php设置问题错误提示一般是 Warning: include() [function.include]: URL file-access is disabled in the server configuration

这个解决办法只要把包含路径调正常即可。

php连接mysql数据库出现乱码一般是中文字才会有的，英文不会出现，因为mysql默认连接为utf8，如果你页面与数据库编码不统一的话，就有可能出现乱码。

解决办法

页面是是gb2312

代码如下	复制代码
mysql_qurey指定数据库的解码为“set names gb2312”是防止中文乱码的。

页面编码为uft8

代码如下	复制代码
mysql_query('SET NAMES utf8');//根据php文件编码设置链接编码

例

代码如下	复制代码
$connection=mysql_connect ($localhost, $username, $password); mysql_query('SET NAMES utf8');//根据php文件编码设置链接编码 //gbk的话 //mysql_query('SET NAMES gbk'); $db_selected = mysql_select_db($database, $connection); if (!$db_selected) {   die ('Can't use db : ' . mysql_error()); }

这样可以解决输出数据时不会是乱码了，如果保存数据时乱码大家尽量把页面编码与数据库字段编码一致即可解决。