Preg-replace不删除'§'？

Question

这段代码：

$text = preg_replace("/[^\s\-\_\@a-zA-Z0-9äáàëéèíìöóòúùñçÀÁÈÉÊÌÍÒÓÙÚ.,;]/", "", $text);

成功删除*°+等特殊字符？ ECC。 我想保存空格，“ - ”，“_”，“@”，字母，数字，重音符号，“。,;”，“ñ”和“ç”，没有别的。 它工作正常，但它无法删除：§

这只是一个例子，所以我可以制定一个特殊规则，但我担心它也不能删除其他字符。 这是为什么？ 我怎样才能完全删除上面列出的所有内容？

Answer 1

您想使用u （ Unicode ）修饰符。 通过将此修饰符放在正则表达式模式之后，它指定PCRE的其他功能，并将Pattern字符串视为UTF-8 。

$text = preg_replace('/[^a-zA-Z0-9äáàëéèíìöóòúùñçÀÁÈÉÊÌÍÒÓÙÚ\s@.,;_-]/u', '', $text);

您可以按如下方式修改角色类：

$text = preg_replace('/[^\pL\pN\s.,;@_-]+/u', '', $text);

Unicode属性\\pL包括常规az字符和重音字符。 \\pN将匹配任何脚本中的任何数字字符; 如果需要，可以将其更改回0-9 。

Answer 2

§ （又名：SECTION SIGN）用utf8编码： c2 a7
ç （又名：带有CEDILLA的LATIN SMALL LETTER C）在utf8中编码： c3 a7

正则表达式引擎默认情况下认为每个字节都是一个字符。 如果我写这样的东西：

echo dechex(ord(preg_replace('~[^ç]~', '', '§')));

我将获得a7因为否定的字符类包含所有不是“字符” c3和a7 。

你可以告诉正则表达式引擎模式字符串是用u修饰符编码的utf8。 使用此修饰符ç不再被视为两个分隔的字节，而是一组代表一个字符的字节。