php正则匹配汉字!
/^[\x{4e00}-\x{9fa5}]+$/u

用正则匹配，不同编码，不同程序语言，都会有不同，应该正确理解与应用，不然不仅得不到想要的结果，还会错误百出哦。

1、一个utf-8编码的例子：

<?php
$str = "汉字";
if (preg_match("/^[\x{4e00}-\x{9fa5}]+$/u",$str)) {
print("该字符串全部是中文");
} else {
print("该字符串不全部是中文");
}
//by http://www.
?>

2、一个包含gbk，gb2312的例子：

<?php
$action = trim($_GET['action']);
if($action == "sub")
{
$str = $_POST['dir'];
//if(!preg_match("/^[".chr(0xa1)."-".chr(0xff)."A-Za-z0-9_]+$/",$str)) //GB2312汉字字母数字下划线正则表达式
if(!preg_match("/^[\x{4e00}-\x{9fa5}A-Za-z0-9_]+$/u",$str)) //UTF-8汉字字母数字下划线正则表达式
{
echo "<font color=red>您输入的[".$str."]含有违法字符</font>";
}
else
{
echo "<font color=green>您输入的[".$str."]完全合法,通过!</font>";
}
}
?>
<form method="POST" action="/blog_article/action/sub.html">
输入字符(数字,字母,汉字,下划线):
<input type="text" name="dir" value="">
<input type="submit" value="提交">
</form>

建议大家亲自动手测试下，看看效果是怎么样的？php正则匹配英文比较简单，匹配汉字时请多加留心哦。

代码如下：

<?php
//写ini文件
function write_ini_file($assoc_arr, $path, $has_sections=FALSE)
{
$content = "";
if ($has_sections)
{
foreach ($assoc_arr as $key=>$elem)
{
$content .= "[".$key."]\n";
foreach ($elem as $key2=>$elem2)
{
if(is_array($elem2))
{
for($i=0;$i<count($elem2);$i++)
{
$content .= $key2."[] = \"".$elem2[$i]."\"\n";
}
}
else if($elem2=="") $content .= $key2." = \n";
else $content .= $key2." = \"".$elem2."\"\n";
}
}
}
else
{
foreach ($assoc_arr as $key=>$elem)
{
if(is_array($elem))
{
for($i=0;$i<count($elem);$i++)
{
$content .= $key2."[] = \"".$elem[$i]."\"\n";
}
}
else if($elem=="") $content .= $key2." = \n";
else $content .= $key2." = \"".$elem."\"\n";
}
}
if (!$handle = fopen($path, 'w'))
{
return false;
}
if (!fwrite($handle, $content))
{
return false;
}
fclose($handle);
return true;
}

//用法
//by www.
$sampleData = array(
'first' => array(
'first-1' => 1,
'first-2' => 2,
'first-3' => 3,
'first-4' => 4,
'first-5' => 5,
),
'second' => array(
'second-1' => 1,
'second-2' => 2,
'second-3' => 3,
'second-4' => 4,
'second-5' => 5,
));
write_ini_file($sampleData, './data.ini', true);

//读ini文件
public function readini($name)
{
if (file_exists(SEM_PATH.'init/'.$name))
{
$data = parse_ini_file(SEM_PATH.'init/'.$name,true);
if ($data)
{
return $data;
}
}
else
{
return false;
}
}
?>

说明：
以上代码如果在python中处理，需要将PHP生成的配置文件值两边的双引号去掉。
即把上面生成ini配置文件函数的\"去掉就可以了。

Txt文件，10万条数据，如下所示

要求导入到数据库中。
数据表结构为：

代码如下：

<?php
/**
 * txt海量数据入库
 * http://www.
*/
$file = 'words.txt';//10W条记录的TXT源文件
$lines = file_get_contents($file);
ini_set('memory_limit', '-1');//不要限制Mem大小，否则会报错
$line=explode()("\n",$lines);
$i=0;
$sql="INSERT INTO words_sentiment (word,senti_type,senti_value,word_type) VALUES ";

foreach($line as $key =>$li)
{
$arr=explode(" ",$li);
$senti_value=$arr[2]-$arr[3];
if($senti_value!=0)
{
if($i>=20000&&$i<25000)//分批次导入，避免失败
{
$mm=explode(" ",$arr[4]);
foreach($mm as $m) //【adductive#1 adducting#1 adducent#1】这一个TXT记录要转换为3个SQL记录 {
$nn=explode("#",$m);
$word=$nn[0];
$sql.="(\"$word\",1,$senti_value,2),";//这个地方要注意到是 word有可能包含单引号（如jack's），因此我们要用双引号来包含word（注意转义）
}
}
$i++;
}
}
//echo $i;
$sql=substr($sql,0,-1);//去掉最后一个逗号
//echo $sql;
file_put_contents('20000-25000.txt', $sql); //批量导入数据库，5000条一次，大概需要40秒的样子；一次导入太多max_execution_time会不够，导致失败
?>

说明：
1，海量数据导入时，要注意PHP的一些限制，可以临时调整一下，否则会报错。
Allowed memory size of 33554432 bytes exhausted (tried to allocate 16 bytes)

2，PHP操作TXT文件
file_get_contents()
file_put_contents()

3，海量导入时，最好分批次导入，失败的几率小一些
4，海量导入之前，脚本一定要多次测试无误再使用，比如用100条数据来测试
5，导入之后，如果PHP的mem_limit还是不够的话，程序仍然跑不起来
（建议用修改php.ini的方式来提高mem_limit，而不是用临时的语句）

就是这些了，哪位有胆量，也可以自己找个大数据量的txt测试下，呵呵。