本篇文章更新時間：2023/04/11
如有資訊過時或語誤之處，歡迎使用 Contact 功能通知。
一介資男的 LINE 社群開站囉！歡迎入群聊聊～
如果本站內容對你有幫助，歡迎使用 BFX Pay 加密貨幣 或 新台幣 贊助支持。
這需求真是時不時會碰到，在問 ChatGPT 的時候，他直接寫一個範例：
function containsThai($str) {
return preg_match('/\p{Thai}+/u', $str);
}
// 測試
if (containsThai("สวัสดีชาวโลก")) {
echo "這包含泰文";
} else {
echo "這不包含泰文";
}其中 {Thai} 這邊可以看得出來是一個關鍵字代表了「泰文」。
往下追問想看看還可以判斷哪些語言，就提到可以從這個 PHP 官方文件 Unicode character properties 中找到對應的關鍵字來判斷。
常見的 Unicode 屬性名稱：
\p{Greek}：比對希臘字母字符\p{Cyrillic}：比對斯拉夫語系中的字符，包括俄文、白俄羅斯文、保加利亞文、塞爾維亞語等\p{Arabic}：比對阿拉伯字母字符\p{Hebrew}：比對希伯來字母字符\p{Han}：比對漢字字符\p{Katakana}：比對片假名字符\p{Hiragana}：比對平假名字符\p{Thai}：比對泰文字符
然後請他把整張表都幫我註解，看到底有哪些語言文字的判斷屬性：
Arabic：阿拉伯文字符Armenian：亞美尼亞文字符Bengali：孟加拉文字符Bopomofo：注音符號字符Braille：點字字符Buhid：布希德文字符Canadian_Aboriginal：加拿大原住民字符Carian：卡里亞文字符Cham：占族文字符Cherokee：切羅基文字符Common：普通字符（不帶語言屬性）Coptic：科普特文字符Cuneiform：楔形文字字符Cypriot：塞浦路斯文字符Cyrillic：西里爾文字符Deseret：德薩雷特字符Devanagari：天城文字符Egyptian_Hieroglyphs：埃及象形文字字符Ethiopic：衣索比亞文字符Georgian：喬治亞文字符Glagolitic：格拉哥里文字符Gothic：哥德文字符Greek：希臘文字符Gujarati：古吉拉特文字符Gurmukhi：古木基文字符Han：漢字字符Hangul：韓文字符Hanunoo：哈努諾文字符Hebrew：希伯來文字符Hiragana：平假名字符Imperial_Aramaic：帝國阿拉米文字符Inherited：繼承字符Inscriptional_Pahlavi：碑銘巴列維文字符Inscriptional_Parthian：碑銘帕提亞文字符Javanese：爪哇文字符Kaithi：凱蒂文字符Kannada：卡納達文字符Katakana：片假名字符Kayah_Li：克耶字母字符Kharoshthi：卡羅須提文字符Khmer：高棉文字符Lao：寮文字符Latin：拉丁文字符Lepcha：勒巴文字符Limbu：林布文字符Linear_B：線性 B 文字符Lisu：麗僳文字符Lycian：利基亞文字符Lydian：印歐語系古代語言Mahjong：麻將牌符號Malayalam：馬來文字符Mandaic：曼代文字符Meetei_Mayek：米蒂-瑪雅克文字符Meroitic_Cursive：體系瑪若字母文字符Meroitic_Hieroglyphs：瑪若象形文字字符Miao：苗文字符Mongolian：蒙古文字符Myanmar：緬甸文字符New_Tai_Lue：新傣文字符Nko：N'Ko 字母字符Ogham：奧格姆文字符Ol_Chiki：桑塔利文字符Old_Italic：古意大利文字符Old_Persian：古波斯文字符Old_South_Arabian：古南阿拉伯文字符Old_Turkic：古突厥文字符Oriya：奧里亞文字符Osmanya：奧斯曼亞文字符Phags_Pa：八思巴文字符Phoenician：腓尼基文字符Rejang：瑞讓文字符Runic：古北歐文字符Samaritan：撒瑪利亞文字符Saurashtra：索拉什特拉文字符Sharada：莎拉達文字符Shavian：蕭伯納文字符Sinhala：僧伽羅文字符Sora_Sompeng：索拉桑彭文字符Sundanese：巽他文字符Syloti_Nagri：錫爾赫特-那格里文字符Syriac：敘利亞文字符Tagalog：塔加路文字符Tagbanwa：塔格巴努亞文字符Tai_Le：傣仂文字符Tai_Tham：傣南文字符Tai_Viet：傣北文字符Takri：塔克里文字符Tamil：泰米爾文字符Telugu：泰盧固文字符Thaana：塔安那文字符Thai：泰文字符Tibetan：藏文字符Tifinagh：提非納文字符Ugaritic：烏加里特文字符Vai：瓦伊文字符Yi：彝文字符
這邊筆記一下，以後要比對哪個語言文字的時候，自己替換一下就好了！
反過來說，如果想知道一個字串裡，有包含哪些語言的文字，可以使用下列方法：
function detect_unicode_charset($str, $charsets) {
// 定義各個字符集的正則表達式
$regex = array(
'Arabic' => '/\p{Arabic}/u',
'Bengali' => '/\p{Bengali}/u',
'Chinese' => '/\p{Han}/u',
'Cyrillic' => '/\p{Cyrillic}/u',
'Devanagari' => '/\p{Devanagari}/u',
'Georgian' => '/\p{Georgian}/u',
'Greek' => '/\p{Greek}/u',
'Gujarati' => '/\p{Gujarati}/u',
'Gurmukhi' => '/\p{Gurmukhi}/u',
'Hebrew' => '/\p{Hebrew}/u',
'Hiragana' => '/\p{Hiragana}/u',
'Kannada' => '/\p{Kannada}/u',
'Katakana' => '/\p{Katakana}/u',
'Khmer' => '/\p{Khmer}/u',
'Korean' => '/\p{Hangul}/u',
'Lao' => '/\p{Lao}/u',
'Latin' => '/\p{Latin}/u',
'Malayalam' => '/\p{Malayalam}/u',
'Myanmar' => '/\p{Myanmar}/u',
'Oriya' => '/\p{Oriya}/u',
'Sinhala' => '/\p{Sinhala}/u',
'Tamil' => '/\p{Tamil}/u',
'Telugu' => '/\p{Telugu}/u',
'Thai' => '/\p{Thai}/u',
);
// 遍歷字符集並查找相符的字符
$matches = array();
foreach ($charsets as $charset) {
if (isset($regex[$charset]) && preg_match($regex[$charset], $str)) {
$matches[] = $charset;
}
}
return $matches;
}
// 使用範例
$str = "Hello こんにちは สวัสดี مرحبا привет नमस्ते ನಮಸ್ಕಾರ హలో";
$charsets = array('Chinese', 'Japanese', 'Thai', 'Hindi', 'Russian');
$result = detect_unicode_charset($str, $charsets);
print_r($result); // 輸出: Array('Chinese', 'Japanese', 'Thai', 'Hindi', 'Russian')沒有按照前段全部列出來，但就是可以自己依樣畫葫蘆補充。