我使用 PHP。
我的字符串可能看起来像这样
This is a string-test width åäö and some über+strange characters: _like this?
问题
有没有一种方法可以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：
我已经阅读了许多相关的帖子，但它们不支持其他语言，比如这个：
preg_replace("/[^A-Za-z0-9 ]/", '', $string);
要求
你可以尝试这个：
preg_replace('~[^\p{L}\p{N}]++~u', ' ', $string);
\p{L} 代表所有字母字符（无论是什么字母表）。
\p{N} 代表数字。
使用 u 修饰符，主字符串中的字符将被视为 Unicode 字符。
或者是这个：
preg_replace('~\P{Xan}++~u', ' ', $string);
\p{Xan} 包含 Unicode 字母和数字。
\P{Xan} 包含除 Unicode 字母和数字之外的所有内容。（注意，它还包括空格，你可以使用 ~[^\p{Xan}\s]++~u 保留空格。）
如果您想要更具体的允许字母集合，您必须在Unicode 表中用范围替换 \p{L}。
示例：
preg_replace('~[^a-zÀ-ÖØ-öÿŸ\d]++~ui', ' ', $string);
为什么在这里使用所有权量词（++）？
~\P{Xan}+~u会给您与~\P{Xan}++~u相同的结果。区别在于，在第一个正则表达式中，引擎记录了每个回溯位置（我们不需要），而在第二个正则表达式中，它没有记录（就像原子组一样）。结果是获得了一点性能提升。
我认为在可能的情况下使用所有权量词和原子组是一个好习惯。
然而，PCRE正则表达式引擎会自动将显而易见的情况下的量词变为所有权量词（例如：a+b => a++b），除非使用选项PCRE_NO_AUTO_POSSESS进行编译。（http://www.pcre.org/pcre.txt）
您也许正在寻找 \W？
类似这样的东西：
/[\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 匹配任何不在 \w 中的字符。
因此，\W 匹配任何非字母数字字符，并添加下划线，因为 \W 不匹配下划线。
编辑：这将使您的代码行变成：
preg_replace("/[\W_]*/", ' ', $string);
' '表示所有匹配字符（既不是字母也不是数字）都将变成空格。preg_replace函数来删除所有连续的空格并将它们替换为一个空格，否则您最终会得到：This is a string test width and some ber strange characters like this
您可以使用：
preg_replace("/\s+/", ' ', $string);
我不确定您正在使用哪种正则表达式。但是，POSIX正则表达式允许您表达字母类，其中[:alpha:]代表任何字母字符。
因此，请尝试：
preg_replace("/[^[:alpha:]0-9 ]/", '', $string);
其实，我忘记了[:alnum:] - 这使得它更简单:
preg_replace("/[^[:alnum:] ]/", '', $string);
L 中吗？我不确定文档中的“修饰字母”或“其他字母”是什么意思。 - Jerry
\X。 - Wrikken[^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。 - MZaragoza^，只有不在该类中的字符才会被匹配和替换）。所以可以使用~[^a-zÀ-ÖØ-öÿŸ\d_-]++~ui或~[^\p{L}\p{N}_-]++~u或~[^\p{Xan}_-]++~u。 - Casimir et Hippolyte\p{alnum}（表示所有Unicode字母和数字）和类交集：[\P{alnum}&&[^_-]]。 - Casimir et Hippolyte