如何在PHP中使用UTF-8支持替换所有非字母字符

Question

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

它可以是英语，ՀԱՅԵՐԵՆ，ქართული，УКРАЇНСЬКИЙ，РУССКИЙ。

我通常会这样做：

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

或者

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

但是它们都清除了外语字符。 有什么想法吗？

- Mirko Akov

Answer 1

使用Unicode字符属性。

$str = preg_replace('/\P{L}+/u', '', $str);

- Jocelyn

---

值得一提的是，在使用u标志时指定Unicode字符类的语法需要用花括号将代码点括起来。例如，[\x{0400}-\x{04FF}]匹配任何在常规西里尔语范围内的字符。 - cleong

你需要如何更改正则表达式，以便同时保留数字（与字母一起），而不是将它们删除？ - Avatar

Answer 2

更新：对于Unicode，RegExp将如下所示[^\p{L}\s]+（不替换空格）

它将用UTF8支持替换所有非字母字符。

• \P{L}+ - 匹配任何非字母符号
• \p{P}+ - 仅删除标点符号

以下是一些有用的参考文档：

• RegExp UTF8教程
• Unicode字符属性

- Paul T. Rawkeen

---

“字母”并不仅指英文中使用的字符。 - cleong

@cleong，抱歉，是我的错，我漏掉了那个点。我已经更正了我的答案。 - Paul T. Rawkeen

我认为两个答案都很好，但我认为这个提供了更多的信息。 - Mirko Akov

Answer 3

字母的Unicode属性为\pL，非字母的为\PL

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

- Toto