傳統依賴 ASCII/GBK 範圍判斷 (如 chr(0xA1)-chr(0xFF)) **強依賴腳本編碼**,在 UTF-8 環境下失效。現代 PHP (5.4+) 內建 UTF-8 支援,應直接使用 **Unicode 代碼點範圍** 正則,編碼無關、準確可靠。
| 字符集 | Unicode 範圍 | 正則片段 |
|---|---|---|
| 基本拉丁字母 (英文、數字、符號) | U+0000 - U+007F | [\x00-\x7F] |
| 中日韓統一表意文字 (CJK Unified Ideographs) | U+4E00 - U+9FFF | \x{4E00}-\x{9FFF} |
| 中日韓擴展 A | U+3400 - U+4DBF | \x{3400}-\x{4DBF} |
| 中日韓兼容/補充 | U+F900 - U+FAFF, U+20000 - U+2FFFF | \x{F900}-\x{FAFF} |
| 韓文諺文 | U+AC00 - U+D7AF | \x{AC00}-\x{D7AF} |
| 日文平/片假名 | U+3040 - U+30FF | \x{3040}-\x{30FF} |
| 全形符號/標點 | U+FF00 - U+FFEF | \x{FF00}-\x{FFEF} |
<?php
/**
* 檢查字串是否**純粹**由指定 Unicode 範圍組成
* @param string $str UTF-8 字串
* @param string $pattern 正則字符類別,如 '\p{Han}' 或 '\x{4E00}-\x{9FFF}'
* @return bool
*/
function isPure(string $str, string $pattern): bool {
return (bool)preg_match('/^' . $pattern . '+$/u', $str);
}
/** 是否包含中文 (漢字) */
function hasChinese(string $str): bool {
return (bool)preg_match('/\p{Han}/u', $str); // \p{Han} 涵蓋所有 CJK 統一表意文字
}
/** 是否純中文 (無英文數字標點) */
function isPureChinese(string $str): bool {
return isPure($str, '\p{Han}');
}
/** 是否純英文字母數字底線 */
function isAlnumUnderscore(string $str): bool {
return isPure($str, '[\p{L}\p{N}_]'); // Unicode 字母+數字+底線
}
/** 統計中英文字符數 */
function countCharTypes(string $str): array {
$len = mb_strlen($str, 'UTF-8');
$chinese = 0; $english = 0; $digit = 0; $other = 0;
for ($i = 0; $i < $len; $i++) {
$ch = mb_substr($str, $i, 1, 'UTF-8');
if (preg_match('/\p{Han}/u', $ch)) $chinese++;
elseif (preg_match('/\p{L}/u', $ch)) $english++;
elseif (preg_match('/\p{N}/u', $ch)) $digit++;
else $other++;
}
return ['total'=>$len, 'chinese'=>$chinese, 'english'=>$english, 'digit'=>$digit, 'other'=>$other];
}
/** 截取混合字串 (按字符數而非位元組) */
function mbSubstrMix(string $str, int $start, int $length = null): string {
return mb_substr($str, $start, $length ?? mb_strlen($str), 'UTF-8');
}
$tests = [
'Hello World',
'你好世界',
'Hello你好123',
'hello', // 全形英文
'😀🎉', // Emoji (Supplementary Plane)
];
foreach ($tests as $t) {
echo "字串: $t\n";
echo " 含中文: " . (hasChinese($t) ? '是' : '否') . "\n";
echo " 純中文: " . (isPureChinese($t) ? '是' : '否') . "\n";
echo " 純英數底線: " . (isAlnumUnderscore($t) ? '是' : '否') . "\n";
print_r(countCharTypes($t));
echo "\n";
}
字串: Hello World 含中文: 否 純中文: 否 純英數底線: 是 Array ( [total]=>11 [chinese]=>0 [english]=>10 [digit]=>0 [other]=>1 ) 字串: 你好世界 含中文: 是 純中文: 是 純英數底線: 否 Array ( [total]=>4 [chinese]=>4 [english]=>0 [digit]=>0 [other]=>0 ) 字串: 😀🎉 含中文: 否 純中文: 否 純英數底線: 否 Array ( [total]=>2 [chinese]=>0 [english]=>0 [digit]=>0 [other]=>2 )
/u (PCRE_UTF8)u 修飾符**,告訴 PCRE 引擎按 UTF-8 解析 pattern 和 subject。\x{4E00} 會被視為字面字元,\p{Han} 失效。preg_match_all 一次性掃描。preg_match('/\p{Han}/u', $str) 即可,極快。preg_match,改用 mb_strlen + mb_substr 迭代或 preg_match_all('/\p{Han}/u', $str, $m) 計數。