PHP實現只提取中文字符的簡單方法

什麼是中文？

中文是一種通行於中國大陸、台灣、新加坡、馬來西亞等地區的語言，書寫依賴漢字。漢字由獨特且複雜的筆劃和部首組成，語法結構相對簡單，主要依靠詞性和語序表達意義。

漢字編碼

計算機中需要對中文進行編碼以便存儲和處理，常用的編碼方式主要有：

GB2312 編碼

Unicode 編碼

其中，GB2312 是雙字節編碼，涵蓋約6763個中文字符，包括常用漢字和符號。 Unicode編碼包含全球所有字符，中文字符通常佔用兩個字節。

如何只提取中文字符？

在PHP中，可以通過正則表達式匹配Unicode範圍內的中文字符，從而實現僅保留中文的功能。

 // 刪除文本中的非中文字符
function remove_non_chinese($text) {
  // 只保留中文字符
  $pattern = '/[\x{4e00}-\x{9fa5}]+/u';
  return preg_replace($pattern, '', $text);
}

以上代碼利用了Unicode編碼範圍\x{4e00}-\x{9fa5}來匹配中文漢字，標誌u表示採用Unicode模式。

示例說明

$text = 'Hello, 你好，我是一個 PHP 開發者。';

調用函數刪除非中文字符：

 $chinese_only = remove_non_chinese($text);
echo $chinese_only; // 輸出：你好我是一個PHP開發者

運行結果顯示，英文和空格被成功過濾，只剩中文字符。

使用建議

此方法主要匹配簡體中文字符，對於繁體字支持有限。此外，句號、逗號等標點符號也會被剔除。具體應用時可根據需求對正則表達式進行調整，確保符合實際場景。