PHP 正則表達式匹配中文字符：Unicode 屬性、範圍與實戰驗證

前言

在 UTF-8 編碼下，中文字符不再是簡單的字節範圍（GBK 時代 [\x80-\xFF]），而是分佈在 Unicode 的多個區塊。PHP 正則支援 Unicode 屬性（\p{Han}）、代碼點範圍、字符類別。本文系統講解匹配中文的正則模式、修飾符、驗證純中文/含中文/提取中文的實戰範例。

Unicode 中文相關區塊

正則模式大全

1. Unicode 屬性 (推薦，PHP 5.1+ 需 PCRE 8.10+)

/^\p{Han}+$/u        // 純漢字 (不含標點)
/^[\p{Han}\p{P}]+$/u // 漢字+標點
/[\p{Han}]/u         // 含漢字

• \p{Han} 匹配所有漢字字符（上述所有區塊）。
• 必須加 /u 修飾符 啟用 UTF-8 模式。

2. 代碼點範圍 (兼容舊 PCRE)

/^[\x{4e00}-\x{9fff}]+$/u        // 基本漢字
/^[\x{3400}-\x{4dbf}\x{4e00}-\x{9fff}\x{f900}-\x{faff}]+$/u // 含擴展 A、兼容

3. 匹配中文標點符號

/[\x{3000}-\x{303f}\x{ff00}-\x{ffef}]/u

4. 實戰驗證函數

<?php
function validateChinese(string $str, string $type = 'pure'): bool {
    $patterns = [
        'pure' => '/^\p{Han}+$/u',                    // 純漢字
        'with_punct' => '/^[\p{Han}\p{P}]+$/u',       // 漢字+標點
        'alphanum' => '/^[\p{Han}\p{L}\p{N}]+$/u',    // 漢字+字母+數字
        'contains' => '/\p{Han}/u',                   // 含漢字
        'extract' => '/\p{Han}+/u',                   // 提取漢字片段
    ];
    $pattern = $patterns[$type] ?? $patterns['pure'];
    return (bool)preg_match($pattern, $str);
}

// 測試
$tests = [
    '中文測試' => true,
    '中文,測試!' => false, // pure
    '中文,測試!' => true,  // with_punct
    'Hello世界' => true,   // alphanum
    'Hello' => false,      // contains
    '123' => false,
    '' => false,
];

foreach ($tests as $input => $expected) {
    $result = validateChinese($input, 'pure');
    echo "'$input': " . ($result === $expected ? '✓' : '✗') . "\n";
}
?>

常見陷阱

進階：提取中文關鍵詞

<?php
$text = 'PHP正則表達式匹配中文測試：Hello 世界！😀';
preg_match_all('/\p{Han}+/u', $text, $matches);
print_r($matches[0]);
/*
Array
(
    [0] => PHP正則表達式匹配中文測試
    [1] => 世界
)
*/
?>

總結

匹配中文首選 /\p{Han}/u，簡潔、完整覆蓋所有 Unicode 漢字區塊、自動支援生僻字。舊環境無 PCRE Unicode 支援時，用代碼點範圍 /\x{4e00}-\x{9fff}/u。務必加 /u 修飾符。驗證純中文、含中文、提取中文，根據業務選擇 \p{Han}、\p{P}、\p{L}、\p{N} 組合。