PHP无法直接准确判断日文或韩文，但可通过Unicode区块分布（如韩文音节U+AC00–U+D7AF、日文假名U+3040–U+30FF）进行概率性倾向判断，辅以助词特征提升精度。
PHP 无法直接“判断”一段字符串是日文还是韩文，因为日文和韩文在 Unicode 中有大量重叠（比如共用汉字），且实际文本常混用。但可以通过分析字符的 Unicode 区块分布 + 常见语言特征，做**概率性倾向判断**，适用于大多数纯日文或纯韩文场景。
看主要 Unicode 区块分布
日文和韩文的核心字符落在不同 Unicode 范围，这是最基础的依据：
- 日文常用区块：平假名（U+3040–U+309F）、片假名（U+30A0–U+30FF）、日文汉字（基本在 U+4E00–U+9FFF，但和中文、韩文共用）、全角 ASCII（U+FF00–U+FFEF）等
- 韩文常用区块：谚文字母（U+1100–U+11FF）、谚文字母扩展-A（U+3130–U+318F）、谚文字母扩展-B（U+3200–U+32FF）、现代韩文音节（U+AC00–U+D7AF）——这个区块最重要，几乎只用于韩文
重点：U+AC00–U+D7AF（共约 11,172 个码位）是韩文音节的“合成区”，绝大多数韩文文本中都会高频出现；而日文文本中几乎不会出现该区字符（除非故意混入）。
用 preg_match 统计关键区块占比
写一个简单函数，分别统计韩文音节、平假名、片假名、谚文字母等出现次数，再按权重估算倾向：
立即学习“PHP免费学习笔记（深入）”；
function detectLanguage($str) {
$utf8 = mb_convert_encoding($str, 'UTF-8', 'auto');
$len = mb_strlen($utf8, 'UTF-8');
if ($len === 0) return 'unknown';
<pre class='brush:php;toolbar:false;'>// 韩文音节（强指示）
$korean_syllables = preg_match_all('/[\x{AC00}-\x{D7AF}]/u', $utf8);
// 平假名 + 片假名（日文强指示）
$hiragana = preg_match_all('/[\x{3040}-\x{309F}]/u', $utf8);
$katakana = preg_match_all('/[\x{30A0}-\x{30FF}]/u', $utf8);
$japanese_kana = $hiragana + $katakana;
// 谚文字母（兼容旧韩文输入）
$korean_jamo = preg_match_all('/[\x{1100}-\x{11FF}\x{3130}-\x{318F}]/u', $utf8);
// 简单规则判断（可按需调整阈值）
if ($korean_syllables > 0 && $japanese_kana === 0) return 'korean';
if ($japanese_kana > $korean_syllables * 3) return 'japanese';
if ($korean_syllables > $japanese_kana * 2) return 'korean';
// 混合或无明确特征时，看主导区块
if ($korean_syllables > 0 || $korean_jamo > 0) return 'korean';
if ($japanese_kana > 0) return 'japanese';
return 'unknown'; // 可能是中文、英文，或纯汉字文本}
注意：该函数不处理混合文本（如「東京ソウル」），也不识别训令式拼写或古日文。对简短字符串（如单个词）效果有限。
补充建议：结合常见词汇或停用字（进阶）
若需更高准确率，可加入轻量级词表匹配：
- 检测高频日文助词：「は」「が」「を」「に」「で」等（平假名）
- 检测韩文助词/结尾：「은/는」「이/가」「을/를」「에서」「까지」等（需分词或正则模糊匹配）
- 排除干扰：纯汉字词（如「学生」「銀行」）在日、韩、中文中都存在，不能单独作为依据
不过，完整分词依赖 ICU 或第三方库（如 MeCab、KoNLPy），PHP 原生不支持，一般项目中仅作辅助即可。
不推荐的做法
以下方法容易出错，应避免：
- 只查是否有汉字 → 日、韩、中文都用汉字
- 用 strlen() 替代 mb_strlen() → 多字节乱码导致计数错误
- 依赖 HTTP Accept-Language → 浏览器设置与内容语言无关
- 硬编码字符列表而不使用 Unicode 范围 → 维护困难且覆盖不全
本质上，这是个 NLP 前端小任务，够用就好。真实业务中，更可靠的方式是让用户选择语言，或配合后端模型（如 fastText）做多语言分类。
