精準匹配 UTF-8 中文：PHP 正則表達式最佳寫法

精準匹配 UTF-8 中文：PHP 正則表達式最佳寫法

許多開發者習慣用 [\x7f-\xff]+ 匹配中文，但這會誤匹配歐洲擴展字符。正確做法是使用 Unicode 碼點範圍，並加上 u 修飾符啟用 UTF-8 模式。

錯誤寫法（會匹配到非中文字符）

preg_match('~[\x7f-\xff]+~is', $string, $matches);

正確寫法（僅匹配 CJK 統一表意文字基本區）

preg_match('~[\x{4e00}-\x{9fa5}]+~u', $string, $matches);

關鍵點解析

• \x{4e00}-\x{9fa5}：Unicode 中日韓統一表意文字基本區範圍（約 2 萬常用漢字）。
• u 修飾符：強制 PCRE 以 UTF-8 模式解析模式與目標字串，否則 \x{...} 會報錯或匹配錯誤。

擴展：匹配更多中文字符

若需包含擴展區（如生僻字、康熙字典字符），可擴展範圍：

// 基本區 + 擴展 A 區
~[\x{4e00}-\x{9fa5}\x{3400}-\x{4dbf}]+~u

實用範例：提取純中文

$str = "Hello 世界 123 你好！";
preg_match_all('~[\x{4e00}-\x{9fa5}]+~u', $str, $matches);
print_r($matches[0]);
// 輸出: Array ( [0] => 世界 [1] => 你好 )