PHP 正则表达式 - 删除所有非字母数字字符

Posted 2023-02-24

【中文标题】PHP 正则表达式 - 删除所有非字母数字字符

【英文标题】：PHP Regular expression - Remove all non-alphanumeric characters

【发布时间】：2013-05-01 20:59:45

【问题描述】：

我使用 php。

我的字符串可能是这样的

This is a string-test width åäö and some über+strange characters: _like this?

问题

有没有办法删除非字母数字字符并用空格替换它们？以下是一些非字母数字字符：

- + ： _ ?

我已经阅读了很多关于它的主题，但它们不支持其他语言，比如这个：

preg_replace("/[^A-Za-z0-9 ]/", '', $string);

要求

我的无字母字符列表可能不完整。 我的内容包含不同语言的字符，例如 åäöü。可能更多。 非字母数字字符应替换为空格。否则这个词会粘在一起。

【参考方案1】：

我不完全确定您使用的是哪种正则表达式。但是，POSIX 正则表达式允许您表达一个字母类，其中 [:alpha:] 表示任何字母字符。

那就试试吧：

preg_replace("/[^[:alpha:]0-9 ]/", '', $string);

实际上，我忘记了 [:alnum:] - 这使它更简单：

preg_replace("/[^[:alnum:] ]/", '', $string);

【参考方案2】：

您是否在寻找\W？

类似：

/[\W_]*/

匹配所有非字母数字字符和下划线。

\w 匹配所有单词字符（字母、数字、下划线）

\W 匹配不在\w 中的任何内容。

因此，\W 匹配任何非字母数字字符，并且您添加下划线，因为 \W 不匹配下划线。

编辑：这使您的代码行变为：

preg_replace("/[\W_]*/", ' ', $string);

' ' 表示所有匹配的字符（不是字母也不是数字）都将变成空格。

重新编辑：您可能还想使用另一个 preg_replace 来删除所有连续的空格并将它们替换为单个空格，否则您最终会得到：

This is a string test width     and some  ber strange characters   like this 

你可以使用：

preg_replace("/\s+/", ' ', $string);

如果有的话，最后修剪开始和结束的空格。

【参考方案3】：

你可以试试这个：

preg_replace('~[^\pL\pN]++~u', ' ', $string);

\pL 代表所有字母字符（无论是什么字母）。

\pN 代表数字。

带有 u 修饰符的主题字符串被视为 unicode 字符。

或者这个：

preg_replace('~\PXan++~u', ' ', $string);

\pXan 包含 unicode 字母和数字。

\PXan 包含所有非 unicode 字母和数字。 （请注意，它也包含空格，您可以使用 ~[^\pXan\s]++~u 保留）

如果您想要一组更具体的允许字母，您必须将 \pL 替换为 unicode table 中的范围。

例子：

preg_replace('~[^a-zÀ-ÖØ-öÿŸ\d]++~ui', ' ', $string);

为什么在这里使用所有格量词 (++)？

~\PXan+~u 会给你与~\PXan++~u 相同的结果。这里的区别在于，在第一个引擎记录每个回溯位置（我们不需要），而在第二个它不记录（如在原子组中）。结果是很小的业绩利润。

我认为在可能的情况下使用所有格量词和原子组是一种很好的做法。

但是，PCRE 正则表达式引擎在明显的情况下会自动使量词具有所有格（例如：a+b => a++b），除非 PCRE 模块已使用选项 PCRE_NO_AUTO_POSSESS 编译。 (http://www.pcre.org/pcre.txt)

有关所有格量词和原子组here (possessive quantifiers) 和here (atomic groups) 或here 的更多信息

【讨论】：

这个。但是，根据字符串的不同，可能需要包含\X。

@CasimiretHippolyte 感谢这篇文章，它帮助我分配了我喜欢你的正则表达式 preg_replace('~[^a-zÀ-ÖØ-öÿŸ\d]++~ui', ' ', $string );但我想知道如何在字符串中添加“_”下划线和“-”连字符以保留

@MoisesZaragoza：如果要保留这些字符，只需将它们添加到字符类，因为它是负字符类（由于开头^，只有字符没有类中存在的匹配和替换）。所以~[^a-zÀ-ÖØ-öÿŸ\d_-]++~ui或~[^\pL\pN_-]++~u或~[^\pXan_-]++~u

@MoisesZaragoza：请注意，对于 Ruby，您可以使用 \palnum（用于所有 unicode 字母和数字）和类交集：[\Palnum&&[^_-]]

【参考方案4】：

\pxx 是你要找的，我相信，see here

那么，试试吧：

preg_replace("/\PL+/u", ' ', $string);

【讨论】：

但这不是用空格替换了 OP 想要保留的所有字母字符吗？

这不应该替换任何字母字符，不（注意大写P）。

哦，对了。但是，数字字符呢？它们是否包含在L 中？我不确定文档中的“修饰符字母”或“其他字母”是什么意思。