編碼決定正則模式

中文正則匹配模式取決於檔案/字串編碼：

編碼	範圍	正則模式	修飾符
GBK/GB2312	漢字區	[\x80-\xff]+ 或 [\xa1-\xff]+	無
UTF-8	基本漢字	[\x{4e00}-\x{9fa5}]+	/u (PCRE_UTF8)
UTF-8	擴展區	[\x{4e00}-\x{9fff}]+	/u

UTF-8 環境實務範例

提取所有中文字

<?php
$str = '學習 PHP 是一件快樂的事。Hello World!';
preg_match_all('/[\x{4e00}-\x{9fa5}]+/u', $str, $matches);
print_r($matches[0]);
/*
Array
(
    [0] => 學習
    [1] => 是一件快樂的事
)
*/
?>

判斷純中文字串

function isPureChinese($str): bool {
    return (bool)preg_match('/^[\x{4e00}-\x{9fa5}]+$/u', $str);
}

var_dump(isPureChinese('測試字串')); // true
var_dump(isPureChinese('Test123'));  // false
var_dump(isPureChinese('測試123'));  // false

判斷是否包含中文

function hasChinese($str): bool {
    return (bool)preg_match('/[\x{4e00}-\x{9fa5}]/u', $str);
}

GBK/GB2312 環境範例

<?php
// 檔案儲存為 GBK 編碼
$str = '中文測試';
if (preg_match('/^[\x80-\xff]+$/', $str)) {
    echo '全是中文';
} else {
    echo '包含非中文';
}

// 更精確的 GB2312 範圍
if (preg_match('/^[\xb0-\xf7][\xa0-\xfe]+$/', $str)) {
    echo '符合 GB2312 漢字編碼規範';
}

常見應用場景

1. 中文姓名驗證（2-10 字）

function validateChineseName($name): bool {
    return (bool)preg_match('/^[\x{4e00}-\x{9fa5}]{2,10}$/u', $name);
}

2. 過濾輸入中的中文

$filtered = preg_replace('/[\x{4e00}-\x{9fa5}]/u', '', $input); // 移除中文
$onlyChinese = preg_replace('/[^\x{4e00}-\x{9fa5}]/u', '', $input); // 只保留中文

3. 分詞輔助：中英文分離

$str = 'PHP中文網';
preg_match_all('/([\x{4e00}-\x{9fa5}]+|[a-zA-Z0-9]+)/u', $str, $m);
print_r($m[0]); // ['PHP', '中文網']

效能與替代方案

• mbstring 函式：mb_ereg()、mb_strlen() 等原生支援多位元組
• preg_match() 配合 /u 修飾符通常效能足夠
• 大量文字處理考慮 intl 擴展的 BreakIterator

避坑指南

1. 確認 PHP 檔案編碼為 UTF-8（無 BOM）
2. 資料庫連線、HTML meta、HTTP Header 皆設 UTF-8
3. 正則必須加 /u 修飾符，否則按單位元組匹配導致錯誤
4. 範圍 \x{4e00}-\x{9fa5} 涵蓋常用漢字，罕見字可能在擴展區
5. 不要用 . 匹配中文（單位元組模式下匹配半個字元）