PHP 正則匹配中文完全指南：從 PCRE 錯誤到 Unicode 正確寫法

在 PHP 中使用正則表達式匹配中文，常因編碼與 PCRE 語法差異而踩坑。本文從常見錯誤出發，逐步推導出 UTF-8 環境下正確匹配中文（CJK 統一表意文字）的模式，並整理常用編碼範圍對照表。

常見錯誤與誤區

// 錯誤 1：直接使用 \u4e00-\u9fa5（PCRE 不支援 \u）
preg_match("/^[\u4e00-\u9fa5_a-zA-Z0-9]{3,15}$/", $str);
// Warning: PCRE does not support \u at offset 3

// 錯誤 2：使用 \x{...} 但範圍錯誤（複製自 JS 的 0x2460-0x2468 非中文區）
preg_match('/^[\x{2460}-\x{2468}]+$/u', $str); // 匹配的是圈字數字 ①②…

// 錯誤 3：十六進制寫法缺少大括號
preg_match("/^[\x4e00-\x9fa5]+$/u", $str);
// Warning: invalid UTF-8 string at offset 6

正確寫法：UTF-8 模式下的 Unicode 區間

PCRE 在 u 修飾符下支援 \x{HEX} 表示 Unicode 碼位。中文基本區為 U+4E00 ~ U+9FA5（CJK Unified Ideographs）：

// 純中文判斷
if (preg_match("/^[\x{4e00}-\x{9fa5}]+$/u", $str)) {
    echo "全為中文";
}

// 中英數混合（如用戶名驗證）
if (preg_match("/^[\x{4e00}-\x{9fa5}a-zA-Z0-9_]{3,15}$/u", $str)) {
    echo "合法";
}

進階：擴展區與相容性處理

• CJK 擴展 A：\x{3400}-\x{4DBF}（罕用字）
• CJK 相容表意文字：\x{F900}-\x{FAFF}
• CJK 擴展 B~G：\x{20000}-\x{2EBEF}（需 PHP 7.3+ 且編譯 PCRE2 才能正確處理補充平面）

實務上若需涵蓋生僻字，建議使用 \p{Han}（Unicode Script 屬性，PHP 7.3+ PCRE2 支援）：

// 現代最簡潔寫法（需 PHP 7.3+）
if (preg_match('/^\p{Han}+$/u', $str)) { ... }

雙位元組編碼（GBK/Big5）快速判斷

若專案仍使用 GBK/Big5，可用單位元組範圍近似判斷（非嚴格）：

// GBK/GB2312 中文區近似
if (preg_match("/^[\x80-\xff]+$/", $str)) { ... }

// Big5 中文區近似
if (preg_match("/^[\x81-\xfe][\x40-\x7e\xa1-\xfe]+$/", $str)) { ... }

常用 Unicode 區間對照表

總結

1. PHP PCRE 不支援 \uXXXX，必須用 \x{XXXX} 搭配 u 修飾符。
2. 中文基本區正確模式：/^[\x{4e00}-\x{9fa5}]+$/u。
3. PHP 7.3+ 請優先使用 \p{Han} 一行解決所有漢字。
4. 專案編碼務必統一 UTF-8，避免 GBK/UTF-8 混用產生難以除錯的亂碼。