Если вы не хотите использовать конкатенацию строк (, предложенную Sotirios ), вы можете использовать предварительную обработку выражения в ссылке URL :
function is_utf8($string) {
return preg_match('%^(?:
[\x09\x0A\x0D\x20-\x7E] # ASCII
| [\xC2-\xDF][\x80-\xBF] # non-overlong 2-byte
| \xE0[\xA0-\xBF][\x80-\xBF] # excluding overlongs
| [\xE1-\xEC\xEE\xEF][\x80-\xBF]{2} # straight 3-byte
| \xED[\x80-\x9F][\x80-\xBF] # excluding surrogates
| \xF0[\x90-\xBF][\x80-\xBF]{2} # planes 1-3
| [\xF1-\xF3][\x80-\xBF]{3} # planes 4-15
| \xF4[\x80-\x8F][\x80-\xBF]{2} # plane 16
)*$%xs', $string);
}
Я проверил. Эта функция эффективна.
Не изобретайте велосипед. Для этой задачи есть встроенная функция: mb_check_encoding ()
.
mb_check_encoding($string, 'UTF-8');
, если он отправлен вам с сервера
echo $_SERVER['HTTP_ACCEPT_CHARSET'];
Небольшое примечание:
Вы не можете определить, является ли данный строка закодирована в UTF-8. Вы можете только определить, является ли данная строка окончательно не закодированной в UTF-8. См. Соответствующий вопрос здесь :
Вы не можете определить, является ли данная строка (или байтовая последовательность) - это кодировка UTF-8 текст, например, каждый серия октетов UTF-8 также является допустимой (если бессмысленно) серия Latin-1 (или некоторая другая кодировка) октеты. тем не мение не каждая серия действительных Latin-1 октеты являются допустимыми сериями UTF-8.
А еще лучше использовать оба вышеуказанных решения.
function isUtf8($string) {
if (function_exists("mb_check_encoding") && is_callable("mb_check_encoding")) {
return mb_check_encoding($string, 'UTF8');
}
return preg_match('%^(?:
[\x09\x0A\x0D\x20-\x7E] # ASCII
| [\xC2-\xDF][\x80-\xBF] # non-overlong 2-byte
| \xE0[\xA0-\xBF][\x80-\xBF] # excluding overlongs
| [\xE1-\xEC\xEE\xEF][\x80-\xBF]{2} # straight 3-byte
| \xED[\x80-\x9F][\x80-\xBF] # excluding surrogates
| \xF0[\x90-\xBF][\x80-\xBF]{2} # planes 1-3
| [\xF1-\xF3][\x80-\xBF]{3} # planes 4-15
| \xF4[\x80-\x8F][\x80-\xBF]{2} # plane 16
)*$%xs', $string);
}