如何在 PHP 中用 UTF-8 支持替换所有非字母字符

Posted 2023-02-24

【中文标题】如何在 PHP 中用 UTF-8 支持替换所有非字母字符

【英文标题】：How to replace all non-alphabetic characters with UTF-8 support in PHP

【发布时间】：2012-08-12 22:32:46

【问题描述】：

我想从字符串中删除所有非字母字符。问题是我不知道字母范围，因为它是 UTF8 字符串。

可以是英语、ՀԱՅԵՐԵՆ、ქართული、УКРАЇНСЬКИЙ、РУССКИЙ

我通常会这样做：

$str = preg_replace('/[^a-zA-Z]/', '', $str);

或

$str = preg_replace('/[^\w]/u', '', $str);

但它们都清除了外来字符。

有什么想法吗？

【参考方案1】：

更新：对于 Unicode，RegExp 看起来像这样 [^\pL\s]+（不替换空格）

它将用 UTF8 支持替换所有非字母字符。

\PL+ - 匹配任何非字母符号 \pP+ - 仅删除标点符号

以下是一些有用的参考文档：

Tutorial on RegExp UTF8 Unicode character properties

【讨论】：

“Alphabetic”并不意味着仅使用英文字符。

@cleong，对不起，我的错，错过了这一点。我已经更正了我的答案。

我认为这两个答案都很棒，但我认为这有更多信息

【参考方案2】：

使用Unicode character properties：

$str = preg_replace('/\PL+/u', '', $str);

【讨论】：

附带说明，当使用 u 标志时，值得一提的是指定 Unicode 字符类的语法。代码点周围需要大括号。例如，[\x0400-\x04FF] 匹配常规西里尔字母范围内的任何字符。

【参考方案3】：

字母的Unicode属性是\pL，非字母的Unicode属性是\PL

$str = preg_replace('/\PL+/u', '', $str);