//定义编码
header( 'Content-Type:text/html;charset=utf-8 ');
$words=array('我','你','他');
$content="测一测我是不是违禁词";
$banned=generateRegularExpression($words);
//检查违禁词
$res_banned=check_words($banned,$content);
write_html($content,$res_banned);
/**
* @describe 数组生成正则表达式
* @param array $words
* @return string
*/
function generateRegularExpression($words)
{
$regular = implode('|', array_map('preg_quote', $words));
return "/$regular/i";
}
/**
* @describe 字符串 生成正则表达式
* @param array $words
* @return string
*/
function generateRegularExpressionString($string){
$str_arr[0]=$string;
$str_new_arr= array_map('preg_quote', $str_arr);
return $str_new_arr[0];
}
/**
* 检查敏感词
* @param $banned
* @param $string
* @return bool|string
*/
function check_words($banned,$string)
{ $match_banned=array();
//循环查出所有敏感词
$new_banned=strtolower($banned);
$i=0;
do{
$matches=null;
if (!empty($new_banned) && preg_match($new_banned, $string, $matches)) {
$isempyt=empty($matches[0]);
if(!$isempyt){
$match_banned = array_merge($match_banned, $matches);
$matches_str=strtolower(generateRegularExpressionString($matches[0]));
$new_banned=str_replace("|".$matches_str."|","|",$new_banned);
$new_banned=str_replace("/".$matches_str."|","/",$new_banned);
$new_banned=str_replace("|".$matches_str."/","/",$new_banned);
}
}
$i++;
if($i>20){
$isempyt=true;
break;
}
}while(count($matches)>0 && !$isempyt);
//查出敏感词
if($match_banned){
return $match_banned;
}
//没有查出敏感词
return array();
}
/**
* 打印到页面上
* @param $filepath
* @param $res_mingan
* @param $res_banned
*/
function write_html($content,$res_banned){
print_r($content);
if($res_banned){
print_r(" 违禁词(".count($res_banned).")：".implode('|',$res_banned));
}
echo "
";
}
1、匹配中文
$str = "中文“;
preg_match_all("/[\x{4e00}-\x{9fa5}]+/u",$str,$match);
2、替换中文:
在所在的php文件里，要加上
mb_internal_encoding("UTF-8");
mb_regex_encoding("UTF-8");
这样才能支持多字节进行模式匹配。详细介绍:http://blog.chinaunix.net/uid-20279807-id-1711213.html
3、php提供了四个替换函数，分别是str_replace，preg_replace，mb_ereg_replace，ereg_replace(在php7.1已经摒弃掉)
在替换中文时，发现用preg_replace替换中文最合适.
str_replace 不支持正则表达式，不能完全匹配，导致局部字段被替换。例如: $str = "模块一 模块一断电"，$str = str_replace("模块一","module1",$str);，导致"模块一断电"被替换成"module1断电"。
mixed preg_replace ( mixed $pattern , mixed $replacement , mixed $subject [, int $limit = -1 [, int &$count ]] ) 支持$pattern,$replacement 以数组的方式进行查找替换，但数组过多时，进行搜索匹配，耗CPU严重。
mb_ereg_replace 支持正则表达式，但不用分隔符//进行匹配，但使用mb_ereg_replace，发现有些中文匹配不了。具体原因暂不清楚。
