projects.mako.cc - scuttle/blob - includes/utf8/utils/patterns.php

   1 <?php
   2 /**
   3 * PCRE Regular expressions for UTF-8. Note this file is not actually used by
   4 * the rest of the library but these regular expressions can be useful to have
   5 * available.
   6 * @version $Id: patterns.php,v 1.1 2006/02/25 14:20:02 harryf Exp $
   7 * @see http://www.w3.org/International/questions/qa-forms-utf-8
   8 * @package utf8
   9 * @subpackage patterns
  10 */
  11
  12 //--------------------------------------------------------------------
  13 /**
  14 * PCRE Pattern to check a UTF-8 string is valid
  15 * Comes from W3 FAQ: Multilingual Forms
  16 * Note: modified to include full ASCII range including control chars
  17 * @see http://www.w3.org/International/questions/qa-forms-utf-8
  18 * @package utf8
  19 * @subpackage patterns
  20 */
  21 $UTF8_VALID = '^('.
  22     '[\x00-\x7F]'.                          # ASCII (including control chars)
  23     '|[\xC2-\xDF][\x80-\xBF]'.              # non-overlong 2-byte
  24     '|\xE0[\xA0-\xBF][\x80-\xBF]'.          # excluding overlongs
  25     '|[\xE1-\xEC\xEE\xEF][\x80-\xBF]{2}'.   # straight 3-byte
  26     '|\xED[\x80-\x9F][\x80-\xBF]'.          # excluding surrogates
  27     '|\xF0[\x90-\xBF][\x80-\xBF]{2}'.       # planes 1-3
  28     '|[\xF1-\xF3][\x80-\xBF]{3}'.           # planes 4-15
  29     '|\xF4[\x80-\x8F][\x80-\xBF]{2}'.       # plane 16
  30     ')*$';
  31
  32 //--------------------------------------------------------------------
  33 /**
  34 * PCRE Pattern to match single UTF-8 characters
  35 * Comes from W3 FAQ: Multilingual Forms
  36 * Note: modified to include full ASCII range including control chars
  37 * @see http://www.w3.org/International/questions/qa-forms-utf-8
  38 * @package utf8
  39 * @subpackage patterns
  40 */
  41 $UTF8_MATCH =
  42     '([\x00-\x7F])'.                          # ASCII (including control chars)
  43     '|([\xC2-\xDF][\x80-\xBF])'.              # non-overlong 2-byte
  44     '|(\xE0[\xA0-\xBF][\x80-\xBF])'.          # excluding overlongs
  45     '|([\xE1-\xEC\xEE\xEF][\x80-\xBF]{2})'.   # straight 3-byte
  46     '|(\xED[\x80-\x9F][\x80-\xBF])'.          # excluding surrogates
  47     '|(\xF0[\x90-\xBF][\x80-\xBF]{2})'.       # planes 1-3
  48     '|([\xF1-\xF3][\x80-\xBF]{3})'.           # planes 4-15
  49     '|(\xF4[\x80-\x8F][\x80-\xBF]{2})';       # plane 16
  50
  51 //--------------------------------------------------------------------
  52 /**
  53 * PCRE Pattern to locate bad bytes in a UTF-8 string
  54 * Comes from W3 FAQ: Multilingual Forms
  55 * Note: modified to include full ASCII range including control chars
  56 * @see http://www.w3.org/International/questions/qa-forms-utf-8
  57 * @package utf8
  58 * @subpackage patterns
  59 */
  60 $UTF8_BAD =
  61     '([\x00-\x7F]'.                          # ASCII (including control chars)
  62     '|[\xC2-\xDF][\x80-\xBF]'.               # non-overlong 2-byte
  63     '|\xE0[\xA0-\xBF][\x80-\xBF]'.           # excluding overlongs
  64     '|[\xE1-\xEC\xEE\xEF][\x80-\xBF]{2}'.    # straight 3-byte
  65     '|\xED[\x80-\x9F][\x80-\xBF]'.           # excluding surrogates
  66     '|\xF0[\x90-\xBF][\x80-\xBF]{2}'.        # planes 1-3
  67     '|[\xF1-\xF3][\x80-\xBF]{3}'.            # planes 4-15
  68     '|\xF4[\x80-\x8F][\x80-\xBF]{2}'.        # plane 16
  69     '|(.{1}))';                              # invalid byte