从字符串中剥离所有非字母数字、空格和标点符号

Question

我该如何使用PHP去除所有不是字母、数字、空格或标点符号的字符？

我尝试了以下代码，但它会去除标点符号。

preg_replace("/[^a-zA-Z0-9\s]/", "", $str);

- Tedd

Answer 1

preg_replace("/[^a-zA-Z0-9\s\p{P}]/", "", $str);

示例：

php > echo preg_replace("/[^a-zA-Z0-9\s\p{P}]/", "", "⟺f✆oo☃. ba⟗r!");
foo. bar!

\p{P}匹配所有Unicode标点符号字符（请参见Unicode 字符属性）。如果您只想允许特定的标点符号，请将它们添加到否定字符类中。例如：

preg_replace("/[^a-zA-Z0-9\s.?!]/", "", $str);

- Matthew Flaschen

---

第二个将不允许任何标点符号。第一个允许所有标点符号。 - Matthew Flaschen

这些看起来会去除所有字符 :( - Tedd

我正在使用您的第一个示例，但似乎它会剥离所有字符。我做错了什么？ - Tedd

@Tedd，我不确定。 我发布了一个经过测试的示例。 文档提到了一些注意事项。您必须在PHP 4.4或5.1之后（取决于分支版本），使用UTF-8，且PCRE库必须使用--enable-unicode-properties编译。 - Matthew Flaschen

Answer 2

由于没有缩写符号表示标点符号（例如，\s 代表空格字符），您需要明确列出标点符号。

preg_replace('/[^a-zA-Z0-9\s\-=+\|!@#$%^&*()`~\[\]{};:\'",<.>\/?]/', '', $str);

- cletus

Answer 3

$str = trim($str);
$str = trim($str, "\x00..\x1F");
$str = str_replace(array( ""","'","&","<",">"),' ',$str);
$str = preg_replace('/[^0-9a-zA-Z-]/', ' ', $str);
$str = preg_replace('/\s\s+/', ' ', $str); 
$str = trim($str);
$str = preg_replace('/[ ]/', '-', $str);

希望这能有所帮助。

- MojganK

---

这个答案缺少教育性的解释。看起来它正在实现一组不同的规则（不同于问题所要求的）。 - mickmackusa

Answer 4

让我们为这个任务构建一个多字节安全/Unicode安全的模式。

来自https://www.regular-expressions.info/unicode.html：

• \p{L} 或 \p{Letter}：来自任何语言的任何字母。
• \p{Z} 或 \p{Separator}：任何种类的空格或不可见分隔符。
• \p{N} 或 \p{Number}：任何脚本中的任何数字字符。
• \p{P} 或 \p{Punctuation}：任何种类的标点符号字符。
• [^ ... ] 是一个否定字符类，匹配不在列表中的任何字符。
• + 是一个“一个或多个”的量词。
• u 此修饰符打开了 PCRE 的其他功能，与 Perl 不兼容。模式和主题字符串被视为 UTF-8。无效的主题将导致 preg_* 函数匹配到空；无效的模式将触发 E_WARNING 级别的错误。五个和六个八位 UTF-8 序列被视为无效。

代码：(演示)

echo preg_replace('/[^\p{L}\p{Z}\p{N}\p{P}]+/u', '', $string);

- mickmackusa