MySQL 判斷欄位是否包含中文的兩種高效方法

資料清洗與驗證場景常需識別欄位是否包含中文字符。本文介紹兩種高效方法：正則表達式與長度比對法，並附實測對比。

方法一：正則表達式 REGEXP

Unicode 中文範圍大約在 [\u4e00-\u9fff] (CJK 統一表意文字基本區) 或更寬的 [\u3400-\u9fff]。

SELECT id, id REGEXP '[\\u4e00-\\u9fff]' AS has_chinese FROM t1;

方法二：LENGTH vs CHAR_LENGTH 比對

• LENGTH(str)：返回位元組長度
• CHAR_LENGTH(str)：返回字符數
• UTF-8 編碼下，中文字符佔 3 位元組，英文數字佔 1 位元組
• 判斷邏輯：LENGTH(str) > CHAR_LENGTH(str) → 包含多位元組字符(中文等)

實測對比

DROP TABLE IF EXISTS t1;
CREATE TABLE t1 (id VARCHAR(200)) DEFAULT CHARSET=utf8;
INSERT INTO t1 VALUES ('中文'), ('sdalfkj');

-- 方法一：REGEXP
SELECT id, id REGEXP '[\\u4e00-\\u9fff]' AS has_chinese FROM t1;
+---------+---------------+
| id      | has_chinese   |
+---------+---------------+
| 中文    | 1             |
| sdalfkj | 0             |
+---------+---------------+

-- 方法二：長度比對
SELECT id, LENGTH(id), CHAR_LENGTH(id), 
       (LENGTH(id) > CHAR_LENGTH(id)) AS has_multibyte FROM t1;
+---------+------------+-----------------+-----------------+
| id      | LENGTH(id) | CHAR_LENGTH(id) | has_multibyte   |
+---------+------------+-----------------+-----------------+
| 中文    | 6          | 2               | 1               |
| sdalfkj | 7          | 7               | 0               |
+---------+------------+-----------------+-----------------+

效能與適用場景對比

進階：精確識別中文且排除其他多位元組字符

-- 結合兩種方法：先快速篩選多位元組，再正則確認中文
SELECT * FROM t1 
WHERE LENGTH(id) > CHAR_LENGTH(id) 
  AND id REGEXP '[\\u4e00-\\u9fff]';

根據資料量與精確度需求選擇：百萬級以上資料建議長度比對法配合索引優化；精確識別中文場景使用 REGEXP 或混合策略。