PHP 正則表達式匹配中文完整指南：GBK 與 UTF-8 編碼差異詳解

前言

在 PHP 開發中處理中文字符匹配看似簡單，但不同編碼（GBK、UTF-8）下的正則寫法卻大相逕庭。本文將系統梳理兩種主流編碼環境下的中文匹配方案，並提供可直接落地的代碼示例。

一、GBK 編碼環境下的中文正則

GBK 編碼中，漢字佔用兩個字節，第一字節範圍 \x81-\xFE，第二字節範圍 \x40-\xFE（排除 \x7F）。基於此特性，我們可以構造對應正則。

1. 判斷字符串是否全為漢字

<?php
$str = '全部是漢字測試';
if (preg_match_all("/^([\x81-\xFE][\x40-\xFE])+$/", $str, $match)) {
    echo '全部是漢字';
} else {
    echo '不全是漢字';
}
?>

測試結果：

• $str = '全部是漢字測試' → 輸出「全部是漢字」
• $str = 'all全部是漢字測試' → 輸出「不全是漢字」

2. 判斷字符串是否包含漢字

<?php
$str = '漢字3測試';
if (preg_match("/([\x81-\xFE][\x40-\xFE])/", $str, $match)) {
    echo '含有漢字';
} else {
    echo '不含有漢字';
}
?>

測試結果：

• $str = '漢字3測試' → 輸出「含有漢字」
• $str = 'abc345' → 輸出「不含有漢字」

注意：上述變量 $str 的編碼格式（UTF-8 或 GBK）不影響判斷結果，關鍵在於正則模式與字符串實際編碼一致。

二、UTF-8 編碼環境下的中文正則

UTF-8 下漢字對應 Unicode 範圍 U+4E00–U+9FA5（基本 CJK 統一表意文字）。PHP 需配合 u 修飾符啟用 Unicode 模式。

判斷字符串是否全為中文

<?php
$str = "php編程";
if (preg_match("/^[\x{4e00}-\x{9fa5}]+$/u", $str)) {
    print("該字符串全部是中文");
} else {
    print("該字符串不全部是中文");
}
?>

三、最佳實踐建議

1. 統一編碼：項目建議全鏈路使用 UTF-8，避免編碼轉換帶來的隱患。
2. 善用 u 修飾符：UTF-8 正則必須加 u，否則會按字節匹配導致錯誤。
3. 擴展範圍：如需覆蓋擴展區漢字，可改用 \p{Han}（需 PCRE 8.1+），例：/^\p{Han}+$/u。
4. 性能考量：大量文本處理時，優先考慮 mb_check_encoding() 或 mb_ereg() 等多字節原生函數。

四、常見陷阱速查表

掌握編碼與正則的對應關係，才能在中文處理場景中游刃有餘。希望本文能為你的開發工作提供清晰參考。