判断内容里有没有中文，然后要返回中文字符

Question

首先，我用preg_match_all('/[\x80-\xff]./', $s,$arr);检测是否有中文字符，然后打印出$arr，查看中文字符有哪些，再对应修改，但是打印$arr都是乱码，用了几种GB2312转UTF-8的方法都不行。
各位帮忙提供一些方法。

Answer 1

你是要判断汉字还是不理会编码只判断GBK内汉字的情况呢？因为对后者来说，GBK / Shift-JIS / EUC-KR（中日韩）……内码都是相同的，这样不考虑其他编码才能成立unicode的汉字范围是 
基础字符：4E00-9FCF
Extendsion A: 3400-4DBF 这个还在基础部分的前面，要留意
Extendsion B: 20000-2A6D6
Extendsion C: 2A700-2B734
Extendsion D: 2B740-2B81D其他：
31A0-31BA 还有……请去unicode官网查询

Answer 2

1、utf-8 是这样编码的：
U+007F  0xxxxxxx
U+07FF  110xxxxx 10xxxxxx
U+FFFF  1110xxxx 10xxxxxx 10xxxxxx
U+1FFFFF 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
U+3FFFFFF 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
U+7FFFFFFF 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx2、由此可知中文的正则表达式规则串为
/^(?:[\x00-\x7f]|[\xc0-\xff][\x80-\xbf]+)+$/3、手册中附录了这样的函数
function is_utf8($str) {
    $c=0; $b=0;
    $bits=0;
    $len=strlen($str);
    for($i=0; $i<$len; $i++){
        $c=ord($str[$i]);
        if($c > 128){
            if(($c >= 254)) return false;
            elseif($c >= 252) $bits=6;
            elseif($c >= 248) $bits=5;
            elseif($c >= 240) $bits=4;
            elseif($c >= 224) $bits=3;
            elseif($c >= 192) $bits=2;
            else return false;
            if(($i+$bits) > $len) return false;
            while($bits > 1){
                $i++;
                $b=ord($str[$i]);
                if($b < 128 || $b > 191) return false;
                $bits--;
            }
        }
    }
    return true;
}4、从 php5.3 起， mb_string 扩展提供了 mb_check_encoding 函数
if(mb_check_encoding($s, 'utf-8')) echo 'yes';

Answer 3

由 preg_match_all('/^(?:[\x00-\x7f]|[\xc0-\xff][\x80-\xbf]+)+$/', $s,$arr);
只是返回有中文字符的那段文字，不能说具体哪个是中文字符

Answer 4

我不是让你把这些发给客户看，是给你个思路，你就可以根据范围正则提取汉字显示了
例如 [\u4e00-\u9fcf]，都习惯了让人家写好代码给你用么？看来我的思想过时了

Answer 5

如果你要逐个汉字输出的话，就用基于unicode字串的preg_filter()和preg_split()，拆开单个字符判断

Answer 6

Example #2 将一个字符串分隔为组成它的字符 
<?php
$str = 'string';
$chars = preg_split('//', $str, -1, PREG_SPLIT_NO_EMPTY);
print_r($chars);
?> 

Answer 7

我用这个匹配preg_match_all('/[\x80-\xff]./', $s,$arr);是可以找到某段话是否有中文字符，只是返回的值print_r($arr); 是乱码了。

Answer 8

打印出来是这个 Array ( [0] => Array ( [0] => � ) ) 

Answer 9

启发你这么多次都没有效果，不再纠结这个了这样说，你的判断把范围扩大了，"."包含传换行符以外的字符
在不指定编码时——preg函数本身就无编码的概念，就有可能把GBK汉字后半部分和另一个字符（ASCII或者后面一个汉字的前半部分）判断出来了，这就是乱码了，说白了就是判断错了判断汉字要么用版主的程序，要么转unicode整字匹配
\u4e00就是整字匹配另一种方法是先用iconv() 从GBK->utf-8，然后用
$chars = preg_split('//', $str, -1, PREG_SPLIT_NO_EMPTY);
也是整字拆分的，不会从汉字中间拆开，然后对数组$chars逐个检查
或者准备一个ASCII字符的数组，和$chars求差集，也能得到相对较好的结果再不明白我也没办法了