正則表達式從UTF8字符串中刪除非字母數字字符

Question

如何以多字節安全方式從字符串中刪除字符，如標點符號，逗號，短劃線等？

我將與輸入來自許多不同的語言來工作，我想知道是否有東西，可以幫我這個

感謝

Answer 1

有Unicode字符類thingys，您可以使用：

• http://www.regular-expressions.info/unicode.html
• http://php.net/manual/en/regexp.reference.unicode.php

要匹配任何非字母符號，您可以使用\PL+，否定\p{L}。要不刪除空格，請使用像[^\pL\s]+這樣的charclass。或者真的只是刪除標點符號\pP+

那麼，顯然不要忘記正則表達式/u修飾符。

Answer 2

類似的帖子

Remove non-utf8 characters from string

我不知道如果這雖然涵蓋了所有的字符。

根據這個職位上個dreamincode論壇

http://www.dreamincode.net/forums/topic/78179-regular-expression-to-remove-non-ascii-characters/

這應該工作

/[^\x{21}-\x{7E}\s\t\n\r]/ 

Answer 3

也許這將是有益的？

$newstring = preg_replace('/[^0-9a-zA-Z\s]/', $oldstring); 

Answer 4

我用這個：

$clean = preg_replace("/[^\p{L}|\p{N}]+/u", " ", $raw); 
$clean = preg_replace("/[\p{Z}]{2,}/u", " ", $clean);