从字符串中删除非字母数字字符（包括 ß、Ê 等）

Posted 2023-02-24

【中文标题】从字符串中删除非字母数字字符（包括 ß、Ê 等）

【英文标题】：Remove non-alphanumeric characters (including ß, Ê, etc.) from a string

【发布时间】：2011-11-08 10:53:24

【问题描述】：

是否有一种简单的方法可以从 php 中的字符串中删除所有非字母数字字符，而无需在正则表达式函数中单独列出它们？

我过去一直使用preg_replace("/[^a-zA-Z0-9\s\'\-]/", "", $my_string);，但这会过滤掉ÀÈÌÒÙß等重要字符。

我需要清理名称字段，因此不需要货币和数学字符/符号。

【问题讨论】：

是什么让您列出的那些字符很重要但Þ 不重要？ （例如）或一大堆其他人。如果您要允许使用 Mu，为什么不使用 Pi 或其他希腊字母？如果允许日元，为什么不允许英镑和美元？我想问题是你在哪里画线 - 你想排除哪些字符，为什么？那些不适用于µ 的字符有什么特别之处？

从技术上讲，有一些代码点具有\palphabetic 属性，既不是\pL 也不是\pN，大多数人都满足于将[\pL\pN] 用于字母数字，尤其是自从PHP似乎不支持 UTS#18 RL1.2 在兼容性属性上所需的 \palphabetic 属性。

你是对的@Spudley。我修改了问题以澄清，因为在清理名称字段时允许使用数学或货币符号是没有意义的。

Remove non-alphanumeric characters的可能重复

【参考方案1】：

像这样：

preg_replace('/[^\pL\pN\s]/u', '', $my_string);

正如 arnaud576875 已经提到的，您应该知道，在像我一样使用 u 修饰符时，该模式被视为 UTF-8。 appropriate manual page的相关摘录：

你（PCRE8）

此修饰符打开 PCRE 的附加功能，即 与 Perl 不兼容。模式字符串被视为 UTF-8。这 修饰符可用于 Unix 上的 PHP 4.1.0 或更高版本以及 PHP 4.2.3 在 win32 上。自 PHP 以来检查模式的 UTF-8 有效性 4.3.5.

【讨论】：

请注意 $my_string 必须是 utf8 格式

@arnaud576875：我认为u 修饰符（PCRE8）清楚地表明该模式被视为UTF-8，但你是对的。将使用适当的参考更新我的答案。

无论如何要保持这一点，但不包括下划线被删除？

【参考方案2】：

使用 unicode 类别：

preg_replace("/[^\pL\pN\pZs'-]/u", "", $my_string);

【讨论】：

您还需要添加/u 修饰符。它告诉正则表达式引擎目标字符串是 UTF-8，这就是如何知道 Unicode 属性转义将起作用。

@Alan：根据 PCRE 文档，您应该能够通过在编译模式时使用 PCRE_UCP 选项或在模式中嵌入 (*UCP) 选项来解决此问题。我发现 PHP 对于它使用的 PCRE 构建选项非常狡猾。例如，this PHP regex tester page 将有 \w 匹配正常的 Unicode 而无需做任何额外的事情。尝试将 “El niño had a nice cafe.” 与 #\w+#i 匹配，您可以很好地理解其中的每一个词，而无需 /u 或 (*UCP)。 PHP 看起来真的很糟糕，因为这一切都是完全不可预测的。