UTF-8を想定して、不正なバイト列が含まれていないかを1行でチェックする

function validate_utf8($input) {
    return (bool)preg_match('//u', $input);
}

あら簡単。

え？ホントにこれだけで大丈夫なの？
って思う人も多いと思うので（というか私も最初そう思ったので）、検証してみます。
（追加したほうがいいテストケースがあればコメントください）

テスト用関数

function test($input) {
  
  $output = htmlspecialchars($input, ENT_QUOTES, 'UTF-8');
  $code = str_replace('%', '\\x', rawurlencode($input));
  
  if (validate_utf8($input)) {
      echo "【{$output}】({$code}) は有効なUTF-8シーケンスです。\n";
  } else {
      echo "({$code}) は無効なUTF-8シーケンスです。\n";
  }
 
}

テストケース

<?php
test("☝( ◠‿◠ )☝");
test("ゔ〲〰");
test("\x0a\x92\xff"); // てきとー
test("\xef\xbb\xbf"); // BOMだっけ
test(""); // 空文字列

echo "\n";

test("\x2f"); // スラッシュ(1バイト)
test("\xc0\xaf"); // スラッシュ(冗長2バイト)
test("\xe0\x80\xaf"); // スラッシュ(冗長3バイト)
test("\xf0\x80\x80\xaf"); // スラッシュ(冗長4バイト)

結果

【☝( ◠‿◠ )☝】(\xE2\x98\x9D\x28\x20\xE2\x97\xA0\xE2\x80\xBF\xE2\x97\xA0\x20\x29\xE2\x98\x9D) は有効なUTF-8シーケンスです。
【ゔ〲〰】(\xE3\x82\x94\xE3\x80\xB2\xE3\x80\xB0) は有効なUTF-8シーケンスです。
(\x0A\x92\xFF) は無効なUTF-8シーケンスです。
【】(\xEF\xBB\xBF) は有効なUTF-8シーケンスです。
【】() は有効なUTF-8シーケンスです。

【/】(\x2F) は有効なUTF-8シーケンスです。
(\xC0\xAF) は無効なUTF-8シーケンスです。
(\xE0\x80\xAF) は無効なUTF-8シーケンスです。
(\xF0\x80\x80\xAF) は無効なUTF-8シーケンスです。

おー空文字列のときでも大丈夫なのか！
冗長表現もちゃんと弾いてる！

u修飾子 すごい。

発展型

リソース型以外ならばなんでも判定できるようにしたバージョン(可変長引数対応)

function validate_utf8() {
    return (bool)preg_match('//u', serialize(func_get_args()));
}

まだまだPHP捨てたもんじゃない！！！