正则表达式和中文

1

　　博客插件需要实现一个功能，博文中出现的类似"@郭美美baby "的字符串用正则表达式找出来，并替换成链接和js、css相结合的丰富形态。如果只是数字下划线等英文字符组成的，就非常简单可写成：

　　"/@\w+\s/"

　　但中文字符的出现让这个表达式非常难搞。

2

　　『.』可以匹配“除换行符/n之外的任意字符 ”，但这可能只适用于“单字节字符 ”，因为点号匹配的其实只是“除换行符/n之外的任意字节，php中『/w 』『/d 』『/s 』也只能匹配ascii字符。因此，要匹配中文，需要另外的方法，unicode提供了一种方法，可以用\x{4e00}-\x{9fff} 表示汉字，关于unicode这一点，我搞明白了之后会再来补充。

3

　　最终得到的正则表达式如下：

　　"/@([\x{4e00}-\x{9fff}a-zA-Z0-9_])+\s/u"

4

　　这篇文章我将会进行多次修改，以期对这个问题深入了解。以下知识将是下一个阶段的重点了解的：unicode，ascii等编码；gbk，utf-8，utf-16等编码方式。正则表达式的内在含义。　

资料列表：http://chinansu.blog.51cto.com/1504253/428947

http://blog.sjzm.org/archives/64

http://blog.csdn.net/cj205/article/details/6305902