正則表達式：移除非字母UTF-8安全，快速

Question

我試圖移除除PHP中有效字母（來自任何語言）之外的所有內容。我一直在使用這個：

$content=preg_replace('/[^\pL\p{Zs}]/u', '', $content); 

但它是痛苦的緩慢。全程約30倍長於：

$content=preg_replace('/[^a-z\s]/', '', $content); 

我處理大量的數據，所以它真的不是使用慢方法是可行的。

有沒有更快的方法來做到這一點？

Answer 1

嗯，這只是一個奇蹟，它只是慢了30倍，因爲在檢查某個代碼點是否是字母時，它需要考慮的字符數比考慮a-z多1000倍。

這就是說，你可以提高你的正則表達式位：

$content=preg_replace('/[^\pL\p{Zs}]+/u', '', $content); 

應該由相鄰的非字母/空格分隔組合成一個單一的替換操作加快速度。

Answer 2

您可以嘗試使用新的PCRE 8.20版本和--enable-jit選項。這將JIT編譯正則表達式，並可能會提高你的性能。