驗證輸入字串組成 (純數字、純英文、純中文、中英混合) 是表單驗證常見需求。本文提供多種方法比較:正則、mb_strlen/strlen 差值、Unicode 字屬性。
<?php
function checkStringTypeRegex(string $str): array
{
$result = [
'is_digit' => false,
'is_alpha' => false,
'is_han' => false,
'is_alnum' => false,
'is_han_alpha' => false,
'type' => 'unknown',
];
if ($str === '') return $result;
// 純數字
if (preg_match('/^[\d]+$/', $str)) {
$result['is_digit'] = true;
$result['type'] = 'digit';
}
// 純英文字母
elseif (preg_match('/^[a-zA-Z]+$/', $str)) {
$result['is_alpha'] = true;
$result['type'] = 'alpha';
}
// 純中文 (CJK 統一表意文字基本區 + 擴展區)
elseif (preg_match('/^[\p{Han}]+$/u', $str)) {
$result['is_han'] = true;
$result['type'] = 'han';
}
// 英數混合
elseif (preg_match('/^[\d a-zA-Z]+$/', $str)) {
$result['is_alnum'] = true;
$result['type'] = 'alnum';
}
// 中英混合
elseif (preg_match('/^[\p{Han}a-zA-Z]+$/u', $str)) {
$result['is_han_alpha'] = true;
$result['type'] = 'han_alpha';
}
// 中英數混合
elseif (preg_match('/^[\p{Han}a-zA-Z\d]+$/u', $str)) {
$result['type'] = 'han_alnum';
}
// 其他 (含符號、空白、日文假名、韓文諺文等)
else {
$result['type'] = 'mixed';
}
return $result;
}
// 測試
$tests = ['12345', 'hello', '你好', 'hello123', '你好world', '你好123', 'hello!', 'こんにちは', '한글'];
foreach ($tests as $t) {
echo "$t => " . json_encode(checkStringTypeRegex($t), JSON_UNESCAPED_UNICODE) . "\n";
}
?>
<?php
function checkStringTypeMbStrlen(string $str, string $encoding = 'UTF-8'): string
{
$lenMb = mb_strlen($str, $encoding);
$lenBytes = strlen($str);
if ($lenMb === $lenBytes) {
// 每字元 1 位元組 => 純 ASCII (英文、數字、符號)
if (ctype_digit($str)) return 'digit';
if (ctype_alpha($str)) return 'alpha';
if (ctype_alnum($str)) return 'alnum';
return 'ascii_mixed';
} else {
// 含多位元組字元
// UTF-8 中文通常 3 位元組,日文假名 3 位元組,韓文 3 位元組
$ratio = $lenBytes / $lenMb;
if ($ratio >= 2.5 && $ratio <= 3.5) {
// 可能純中日韓文字
if (preg_match('/^[\p{Han}\p{Hiragana}\p{Katakana}\p{Hangul}]+$/u', $str)) {
return 'cjk_only';
}
}
return 'mixed_multibyte';
}
}
?>
缺點:依賴特定編碼位元組長度假設,UTF-8 下中文 3 字節、日文假名 3 字節、Emoji 4 字節,無法精確區分「純中文」與「中英混合」。不推薦用於生產環境。
<?php
function checkAsciiType(string $str): string
{
if ($str === '') return 'empty';
if (ctype_digit($str)) return 'digit';
if (ctype_alpha($str)) return 'alpha';
if (ctype_alnum($str)) return 'alnum';
if (ctype_print($str)) return 'printable';
return 'control_chars';
}
?>
<?php
function analyzeStringIntl(string $str): array
{
$stats = [
'total' => 0,
'digit' => 0,
'letter' => 0,
'han' => 0,
'kana' => 0,
'hangul' => 0,
'punct' => 0,
'space' => 0,
'other' => 0,
];
$codepoints = array_values(array_unique(mb_str_split($str)));
foreach ($codepoints as $cp) {
$stats['total']++;
$ord = IntlChar::ord($cp);
if (IntlChar::isdigit($cp)) $stats['digit']++;
elseif (IntlChar::isalpha($cp)) {
$stats['letter']++;
if (IntlChar::charType($cp) === IntlChar::CHAR_CATEGORY_LO) {
// 其他字母,進一步判斷
if (IntlChar::isUAlphabetic($cp)) {
// 可嘗試 Unicode Block 判斷
}
}
}
// 簡易區塊判斷
if ($ord >= 0x4E00 && $ord <= 0x9FFF) $stats['han']++; // CJK 統一表意文字
elseif ($ord >= 0x3400 && $ord <= 0x4DBF) $stats['han']++; // CJK 擴展 A
elseif ($ord >= 0x20000 && $ord <= 0x2A6DF) $stats['han']++; // CJK 擴展 B
elseif ($ord >= 0x3040 && $ord <= 0x309F) $stats['kana']++; // 平假名
elseif ($ord >= 0x30A0 && $ord <= 0x30FF) $stats['kana']++; // 片假名
elseif ($ord >= 0xAC00 && $ord <= 0xD7AF) $stats['hangul']++; // 韓文音節
elseif (IntlChar::ispunct($cp)) $stats['punct']++;
elseif (IntlChar::isspace($cp)) $stats['space']++;
else $stats['other']++;
}
return $stats;
}
?>
| 場景 | 推薦方法 | 理由 |
|---|---|---|
| 表單驗證:用戶名只能中英數 | 正則 /^[\p{Han}a-zA-Z\d]+$/u | 簡單、效能好、Unicode 正確 |
| 密碼強度:需含大小寫、數字、符號 | 正則多條件檢查 | 靈活 |
| 統計文章中文/英文字數 | IntlChar 逐字元分析 | 最精確,可區分中日韓 |
| 快速檢查是否純 ASCII | ctype_* 或 strlen===mb_strlen | 極快 |
| 避免 XSS:過濾控制字元 | IntlChar::iscntrl | 徹底 |
現代 PHP 專案請優先使用 Unicode 正則 (\p{Han} 等) 或 IntlChar 進行字串組成分析,避免依賴編碼位元組長度的脆弱邏輯。