这对我检测Unicode字符，链接表情符号，俄语或中文工作：

private function has_unicode($string)
{
    $pattern = '/^.*[^\x{00}-\x{00FF}]+.*$/u';
    return preg_match($pattern, $string) ? true : false;
}

你可以使用这个PCRE正则表达式来检查字符串中是否有不是有效UTF-8的字节序列。如果正则表达式匹配，则字符串包含无效字节序列。它是100%可移植的，因为它不依赖于PCRE_UTF8来编译。

$regex = '/(
    [\xC0-\xC1] # Invalid UTF-8 Bytes
    | [\xF5-\xFF] # Invalid UTF-8 Bytes
    | \xE0[\x80-\x9F] # Overlong encoding of prior code point
    | \xF0[\x80-\x8F] # Overlong encoding of prior code point
    | [\xC2-\xDF](?![\x80-\xBF]) # Invalid UTF-8 Sequence Start
    | [\xE0-\xEF](?![\x80-\xBF]{2}) # Invalid UTF-8 Sequence Start
    | [\xF0-\xF4](?![\x80-\xBF]{3}) # Invalid UTF-8 Sequence Start
    | (?<=[\x00-\x7F\xF5-\xFF])[\x80-\xBF] # Invalid UTF-8 Sequence Middle
    | (?<![\xC2-\xDF]|[\xE0-\xEF]|[\xE0-\xEF][\x80-\xBF]|[\xF0-\xF4]|[\xF0-\xF4][\x80-\xBF]|[\xF0-\xF4][\x80-\xBF]{2})[\x80-\xBF] # Overlong Sequence
    | (?<=[\xE0-\xEF])[\x80-\xBF](?![\x80-\xBF]) # Short 3 byte sequence
    | (?<=[\xF0-\xF4])[\x80-\xBF](?![\x80-\xBF]{2}) # Short 4 byte sequence
    | (?<=[\xF0-\xF4][\x80-\xBF])[\x80-\xBF](?![\x80-\xBF]) # Short 4 byte sequence (2)
)/x';

我们可以通过创建一些文本变体来测试它：

// Overlong encoding of code point 0
$text = chr(0xC0) . chr(0x80);
var_dump(preg_match($regex, $text)); // int(1)
// Overlong encoding of 5 byte encoding
$text = chr(0xF8) . chr(0x80) . chr(0x80) . chr(0x80) . chr(0x80);
var_dump(preg_match($regex, $text)); // int(1)
// Overlong encoding of 6 byte encoding
$text = chr(0xFC) . chr(0x80) . chr(0x80) . chr(0x80) . chr(0x80) . chr(0x80);        
var_dump(preg_match($regex, $text)); // int(1)
// High code-point without trailing characters
$text = chr(0xD0) . chr(0x01);
var_dump(preg_match($regex, $text)); // int(1)

等等。
事实上，由于这与无效字节匹配，因此可以在preg_replace中使用它来替换它们：

preg_replace($regex, '', $text); // Remove all invalid UTF-8 code-points

假设PHP是用PCRE编译的，那么它通常也会启用UTF-8。因此，正如问题中明确要求的那样，这个非常简单的正则表达式可以检测无效的UTF-8字符串，因为这些字符串不匹配：

preg_match('//u', $string);

然后，您可以争辩说u修饰符（PCRE_UTF8）并不总是可用的，这是真的，可能会发生如下问题所示的情况：

• What is the preg_match_all u flag dependent on?

然而，在我实际的开发人员生活中，这从来不是一个问题。更重要的问题是PCRE扩展根本不可用，这将使任何包含PCRE的答案都变得无用（甚至我在这里）。但大多数情况下，这个问题更多的是过去的问题，直到今天再减去几年。
在这个不知何故重复的问题中，给出了一个类似于这个问题的更长的答案：

• How can I detect a malformed UTF-8 string in PHP?

因此，我认为这个问题应该强调建议答案带来的更多好处。

The W3C has a page (titled Multilingual form encoding)，它列出了与有效UTF-8字符串匹配的以下Perl正则表达式。
(Note这与此SO问题的另一个答案中列出的正则表达式相反，后者匹配 * invalid* UTF-8字符串。）

#  Returns true if $field is UTF-8, and false otherwise.

$field =~
  m/\A(
     [\x00-\x7F]                        # 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
  )*\z/x;