PHP正则表达式 - 删除所有非字母数字字符

Question

我用PHP。

我的字符串看起来像这样

This is a string-test width åäö and some über+strange characters: _like this?

题

有没有办法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：

• -
• +
• ：
• _
• ？

我已经阅读了很多关于它的线索，但它们不支持其他语言，例如：

preg_replace("/[^A-Za-z0-9 ]/", '', $string);

要求

• 我的无字母字符列表可能不完整。
• 我的内容包含不同语言的字符，例如åäöü。 可能会更多。
• 非字母数字字符应替换为空格。 否则这个词就会粘在一起。

Answer 1

你可以试试这个：

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

\\p{L}代表所有字母字符（无论字母表）。

\\p{N}代表数字。

使用主题字符串的u修饰符字符被视为unicode字符。

或这个：

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

\\p{Xan}包含unicode字母和数字。

\\P{Xan}包含所有不是unicode字母和数字。 （小心，它也包含空格，你可以保存~[^\\p{Xan}\\s]++~u ）

如果您想要一组更具体的允许字母，则必须将\\p{L}替换为unicode表中的范围。

例：

preg_replace('~[^a-zÀ-ÖØ-öÿŸ\d]++~ui', ' ', $string);

为什么在这里使用占有量词（++）？

~\\P{Xan}+~u会得到与~\\P{Xan}++~u相同的结果。 这里的区别在于，在第一个引擎记录每个回溯位置（我们不需要），而在第二个时它没有（如在原子组中）。 结果是小的性能利润。

我认为在可能的情况下使用占有量词和原子群是一种很好的做法。

但是，PCRE正则表达式引擎在明显的情况下自动成为量词占有者（例如： a+b => a++b ），除非PCRE模块已使用选项PCRE_NO_AUTO_POSSESS进行编译。 （ http://www.pcre.org/pcre.txt ）

关于占有量词和原子群的更多信息（占有量词）和这里（原子团）或这里

Answer 2

你也许正在寻找\\W ？

就像是：

/[\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匹配不在\\w中的任何内容。

因此， \\W匹配任何非字母数字字符并添加下划线，因为\\W与下划线不匹配。

编辑：这使您的代码行成为：

preg_replace("/[\W_]*/", ' ', $string);

' '表示所有匹配的字符（非字母而非数字）将变为空格。

reEDIT：您可能还想使用另一个preg_replace来删除所有连续的空格并用一个空格替换它们，否则您将最终得到：

This is a string test width     and some  ber strange characters   like this 

您可以使用：

preg_replace("/\s+/", ' ', $string);

最后修剪起始和结束空格（如果有的话）。

Answer 3

我不完全确定你正在使用哪种正则表达式。 但是，POSIX正则表达式允许您表示按字母顺序排列的类，其中[：alpha：]表示任何字母字符。

所以尝试：

preg_replace("/[^[:alpha:]0-9 ]/", '', $string);

实际上，我忘记了[：alnum：] - 这使得它变得更简单：

preg_replace("/[^[:alnum:] ]/", '', $string);

Answer 4

\\p{xx}正是你要找的，我相信， 看到这里

所以，试试：

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