如何匹配UTF8字符串的中文标点符号

Question

你可以unpack("H6", "，"); 来查看逗号的unicode值
然后在perl_replace中使用[\uunicode]来匹配

Answer 1

比如，
$str = "，"; //utf8编码的逗号，也就是说你的编辑器要是utf8,如果不是，你可以iconv
$unicode = unpack("H6", "，");//
print_r($unicode); 
/*
output : 
Array
(
    [1] => e
)
*/

Answer 2

关于pack/unpack可以参看我写的这篇东西：
http://blog.csdn.net/laruence/archive/2008/05/01/2357738.aspx

Answer 3

上面的结果错了，是这个，Array
(
    [1] => efbc8c
)

Answer 4

这样做不行
因为我是要把所有的unicode中文符号都替换的,所以我需要知道一个范围,不知道unicode的中文标点有没有一个范围可以替换,或者其他的方法

Answer 5

。。你把你能想到的所有的标点符号，写到一个数组
$interpunction = array("，", "。", .....);
$unicode = array();
foreach($interpunction as $v){
  $code = unpack("H6", $v);
  array_push($unicode,  $code[1];
}然后，正则的pattern就是
 $pattern = "[";
foreach($unicode as $v){
  $pattern .= "\u".$v;
}
$pattern .= "]";明白？

Answer 6

明白是明白.但这些中文标点未免也太多了- -
到google上搜了一圈回来也么发现有人遇到这个问题
实在不行的话,也只能用这个方法了

Answer 7

恩，你可以研究下unicode， 看看有什么规律没有。起码也有这个方法垫底么。

Answer 8

既然都会去掉GB2312下的符号的，那选转成GB2312，去掉符号后再转成UTF8；

Answer 9

我试了一下,先转成gb2312处理再转回utf8的方法可行这样也可以,不知道有没有不绕弯子的做法,请高手指点

Answer 10

好象没有什么好办办法如果全部是utf-8还是将中文标点列出来，正则替换或者，你将gb2312的标点转成utf-8，正则替换

Answer 11

本帖最后由 xuzuning 于 2008-07-02 11:43:44 编辑

  

Answer 12

误人子弟，UTF8采用的是UNICODE代码的扩展，不是GB2312的。