| 編碼 | 匹配單個漢字 | 匹配純漢字字符串 | 判斷包含漢字 |
|---|---|---|---|
| GBK / GB2312 | /[\\x81-\\xfe][\\x40-\\xfe]/ | /^([\\x81-\\xfe][\\x40-\\xfe])+$/ | /[\\x81-\\xfe][\\x40-\\xfe]/ |
| UTF-8 | /[\\x{4e00}-\\x{9fa5}]/u | /^[\\x{4e00}-\\x{9fa5}]+$/u | /[\\x{4e00}-\\x{9fa5}]/u |
關鍵點: UTF-8 模式**必須加 u 修飾符**,否則按字節匹配導致錯誤;GBK 模式無需修飾符。
GBK 雙字節編碼:首字節 0x81-0xFE,尾字節 0x40-0xFE(排除 0x7F)。
$str = '全部是漢字測試';
if (preg_match('/^([\\x81-\\xfe][\\x40-\\xfe])+$/', $str)) {
echo '全部是漢字';
} else {
echo '不全是漢字';
}
$str = '漢字3測試';
if (preg_match('/[\\x81-\\xfe][\\x40-\\xfe]/', $str)) {
echo '含有漢字';
} else {
echo '不含有漢字';
}
Unicode CJK 統一表意文字基本區:U+4E00 - U+9FA5(20902 個常用漢字)。PHP 正則需用 \\x{....} 表示 Unicode 碼位,並加 u 修飾符啟用 UTF-8 模式。
$str = 'php編程';
if (preg_match('/^[\\x{4e00}-\\x{9fa5}]+$/u', $str)) {
echo '該字符串全部是中文';
} else {
echo '該字符串不全部是中文';
}
$str = '學習PHP是一件快樂的事。';
preg_match_all('/[\\x{4e00}-\\x{9fa5}]+/u', $str, $matches);
print_r($matches[0]);
/* 輸出:
Array
(
[0] => 學習
[1] => 是一件快樂的事
)
*/
\\x{3400}-\\x{4DBF}(罕用字)\\x{20000}-\\x{2A6DF}(需 PHP 7.0+ 支持 Unicode 10+)\\x{AC00}-\\x{D7A3}(音節)、\\x{1100}-\\x{11FF}(字母)\\x{3040}-\\x{309F}(平假名)、\\x{30A0}-\\x{30FF}(片假名)、\\x{4E00}-\\x{9FA5}(漢字)綜合匹配中日韓文本:
/[\\x{4e00}-\\x{9fa5}\\x{3400}-\\x{4dbf}\\x{20000}-\\x{2a6df}\\x{ac00}-\\x{d7a3}\\x{3040}-\\x{30ff}]/u
u 修飾符:UTF-8 下會按單字節匹配,導致誤匹配或漏匹配。. 匹配任意字符:. 默認不匹配換行,且 UTF-8 下匹配的是字節而非字符,極易出錯。請用具體字符類別。pcre.backtrack_limit,導致匹配失敗靜默返回 false。大文本處理建議分塊或用專用分詞庫(如 jieba-php)。複雜中文分詞、詞性標註、實體識別請使用專業 NLP 庫: