多语言字符串中去除特殊字符的正则表达式

Question

最常用的用于去除特殊字符的正则表达式似乎是这个 -

preg_replace( '/[^a-zA-Z0-9]/', '', $string );

问题在于它也会删除非英语字符。

是否有一个正则表达式可以删除所有语言的特殊字符？或者唯一的解决方案是显式匹配每个特殊字符并将其删除？

- A.Jesin

Answer 1

您可以使用以下内容代替：

preg_replace('/\P{Xan}+/u', '', $string );

\p{Xan}表示Unicode表中任何字母数字。
\P{Xan}表示非数字或字母的所有内容。它是[^\p{Xan}]的缩写。

- Casimir et Hippolyte

---

谢谢！我明白\P是一个没有Unicode属性的字符。你能解释一下{Xan}吗？ - A.Jesin

@A.Jesin：大写字母P仅用于否定Unicode字符类。例如，\p{Latin}是所有拉丁字母的字符类（如[a-zA-Z]但包括重音符号）。如果您想否定它以获得所有非拉丁字母，则编写\P{Latin}。 - Casimir et Hippolyte

您可以在此文档中找到所有的Unicode字符类别：http://pcre.org/pcre.txt。 - Casimir et Hippolyte

Answer 2

您可以使用：

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

- anubhava