清洗属性名称

Question

基于html语法文档和在验证器的试验和误差，我认为在HTML属性名称中允许使用以下字符：

• 字母数字
• 连字符
• 下划线
• 句点

例如以下内容经过验证：

<p data-éxample>
<p data-1.5>

我想写一个函数来清理属性名称：

<?php 
function sanitize_attr_name ( $name ) {
    return is_string($name) ? preg_replace( '/[^\w\-\.]/', '', $name ) : '';
}

这个方法可以处理一般字符，但是对于特殊的alpha字符会出现问题：

sanitize_attr_name( 'data-éxample' ); // 'data-xample'

现在，有人使用这样的字符可能看起来很疯狂，但实际上确实有效，尽管CSS似乎无法验证转义或未转义。

如何在PHP中实现这一点？清洁程序员应该如何编写代码以允许特殊的阿尔法字符？这是否可以通过regexp实现？为什么ctype_graph('é')是false？

- ryanve

---

你的正则表达式是正确的，应该可以工作。你能否尝试更具体地使用以下正则表达式 [^A-Za-z0-9_\-\.]？ - pogo

@Pogo 是的，那是同一个正则表达式。它会清除特殊的字母字符，比如 é。我很好奇是否有可能通过正则表达式或其他方式来白名单/定位特殊的字母字符。 - ryanve

@ryanve 尝试将 \w 替换为 \p{L}。PHP 的 PCRE Unicode 文档 - Martin Ender

Answer 1

PHP的正则表达式引擎PCRE支持Unicode字符属性，使用\p{属性}。其中之一是L，它是任何字母的属性。因此，您可以将\w替换为\p{L}0-9_：

'/[^\p{L}0-9_.-]/'

在字符类中也不需要转义句点，连字符可以放在末尾以避免转义。

- Martin Ender

---

不错——这就是我说的 =] 谢谢。preg_replace 在这里起作用了。特殊的 alpha 字符显示为问号钻石，但我认为这可能与 PHP 设置有关，因为在本地 .html 文件中字符是正常显示的。 - ryanve