如何提取中文字符，并算出该字符的位置？

2010-07-12 06:31:48 480 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

算法面经手撕系列(2)--手撕BatchNormlization 手动实现/手撕BatchNormlization 阅读详情

字符串1：一？二？ //中文的问号
字符串2：?一?二 //英文的问号
字符串3：一二 //中间有空格

php如何匹配出以上字符串里的中文文字？并求出该字符的位置
搞了半天搞不定，以下我的代码，大家别笑话

$k1 = "";
$k2 = "";
$k3 = "";
$k4 = "";
if(ord(substr($this->Keywords,1,1))>127)
{
$k1 = substr($this->Keywords,0,2);
}else {$k1=false;}
if(ord(substr($this->Keywords,2,1))>127)
{
$k2 = substr($this->Keywords,2,2);
}else {$k2=false;}
if(ord(substr($this->Keywords,3,1))>127)
{
$k3 = substr($this->Keywords,3,2);
}else {$k3=false;}
if(ord(substr($this->Keywords,4,1))>127)
{
$k4 = substr($this->Keywords,4,2);
}else {$k4=false;}

...全文

0欧电阻、电感、磁珠单点接地时有什么区别？ 0欧电阻、电感、磁珠单点接地时有什么区别？ #电阻,#电感,#磁珠一、0欧姆电阻重点介绍：模拟地和数字地单点接地。只要是地，最终都要接到一起，然后入大地。如果不接在一起就是“浮地”，存在压差，容易积累电荷，造成静电。地是参考0电位，所有电压都是参考地得出的，地的标准要一致，故各种地应短接在一起。人们认为大地能够吸收所有电荷，始终维持稳定，是最终的地参考点。虽然有些板子没有接大地，但发电厂是接大地的，板子上的电源最终还是会返回发电厂入地。如果把模拟地和数字地大面积直... 阅读详情

madcatw

基础编程 21,889 成员 140,329 内容

+ 关注 + 加入社区

切换为时间正序

k3842407 2013-01-15

打赏
举报

Dleno 2010-07-12

打赏
举报

晕，就揭贴了

Dleno 2010-07-12

打赏
举报



$str="规:范化 不得不知,道代动不，动不得不风格感？表 ";

$result=getCN($str);//UTF-8编码调用

//$result=getCN($str,"GB2312",2);//GB2312编码调用

//$result=getCN($str,"?",单个字符字节数);//?编码调用

print_r($result);

function getCN($string,$charset="UTF-8",$charnum=3){

	$tmpstr = $string;

	$utf8 = $charset=="UTF-8"?true:false;

	!$utf8 && $string = iconv($charset,"UTF-8",$string);

	preg_match_all("/[\x80-\xff]{3}/",$string,$data);

	$cnarr=array();

	foreach($data[0] as $key=>$char){

		if(!preg_match_all("/[\\pP]/u",$char,$math)){

			$cnarr[$key]['char']=$utf8?$char:iconv("UTF-8",$charset,$char);

			$cnarr[$key]['start']=strpos($tmpstr,$cnarr[$key]['char']);

			$cnarr[$key]['end']=$cnarr[$key]['start']+$charnum;

		}

	}

	return $cnarr;

}

madcatw 2010-07-12

打赏
举报

2楼的方法可行，算是搞定了
6楼的方法似乎比较可靠，但字符的位置不好算，呵呵，我非常菜

amani11 2010-07-12

打赏
举报

编码涉及到中日文，就复杂了

典型的，如果是Unicode编码

“直”，中日编码是一样的

“步”和“歩”，注意字型，编码是不一样的

单单凭短短的几个字节，是区分不了中日文字的。。。。

Coder_Granger 2010-07-12

打赏
举报

ls都忽略了一个问题，除了中文，还有韩文和日文等问题都不在0-127范围内，

要取出中文字符，必须做的两件事情:

1. 得到该字符串的编码.

2. 得到中文字符在该编码表示下，值的范围.

amani11 2010-07-12

打赏
举报



$str	= '一？二？';

$arr	= preg_split('/\?|？| /', $str, -1, PREG_SPLIT_OFFSET_CAPTURE);

print_r($arr);

//得到二维数组，$arr[$i][0] 匹配满足的字符，$arr[$i][1]匹配位置

//这个位置是strlen，如果中文算一个字符，只需要截取前面那段字符，用mb_strlen即可

CunningBoy 2010-07-12

打赏
举报

你可以用mb_detect_encoding去检测输入字符串的编码。

步慢生错 2010-07-12

打赏
举报

mb_detect_encoding($str, "gbk, gb2312, utf-8")

可以检测文字编码。不过经常会出错。

还是建议用utf-8版的cms。

madcatw 2010-07-12

打赏
举报

谢谢LS，字符串是用户输入的，不确定是什么编码
但我用的是DEDECMS GBK的，用户输入的字符串是否就是gb2312的呢？

CunningBoy 2010-07-12

打赏
举报

$k1 = mb_substr($this->Keywords, 0, 1, "UTF-8");

步慢生错 2010-07-12

打赏
举报

那要看是utf8还是gb2312.
我看你的是utf8的检测。utf8中文占3字节，头字节>127。
str_split后，检测到大于127的，后面2个字节也获取即可。

如何提取中文字符，并算出该字符的位置？

相关推荐