PHP - 僅限ASCII擴展字符的字符串

Question

使用PHP我想知道我的$ string是否包含此列表中33到255之間的任何非ASCII擴展字符： http ： //www.ascii-code.com/

此外，是否可以包含其他各種ASCII字符用於拒絕？ 像182和135（相應的¶和‡符號）。 我的意思是，如果$ string有這個，我想得到一個bool也是假的。

我知道如何使用ASCII，但不使用ASCII-Extended。

Answer 1

擴展ASCII為十進制128-255，普通（7位）ASCII可打印字符為32（空格）到126（波形符號）。

因此，在正常可打印范圍之外找到任何8位字符的正則表達式將是：

/[^ -~]/

基本上，這說“不是通過代字號”。 在PHP中：

$nonprintable_or_extended = preg_match('/[^ -~]/', $string) === 1;

編輯添加：我重新閱讀你的問題，並且第二個想到我認為你也想要允許一些 “擴展ASCII”字符。 對此沒有簡單的答案，因為代碼點127之上的任何內容都涉及字符編碼 。 在美國，我們通常使用以下三種中的一種：

1. ISO-8859-1定義了Latin-1並允許128-255范圍內的e-grave，e-acute等字符，但有一些空白（ http://en.wikipedia.org/wiki/Iso_8859-1 ） 。
2. cp1252（或Windows代碼頁1252）基本上是ISO-8859-1，除了它添加了更多的字符在129-159范圍內，ISO-8859-1未分配（ http://en.wikipedia.org/wiki/Cp1252 ）。
3. UTF-（8,16,32）字符串使用高階ASCII字符集來處理整個Unicode頻譜（65535及更高版本）中的代碼點，因此在這里找出“什么是有效的可打印字符？” 需要更多的思考。

根據以下評論進行編輯：如果您想允許某些字符，請先對輸入編碼進行標准化。 我們將以UTF-8運行，我們可以檢查並轉換cp1252 / ISO-8859-1的編碼：

// Validate the UTF-8 (from drupal_validate_utf8()).
// @see https://api.drupal.org/api/drupal/includes!bootstrap.inc/function/drupal_validate_utf8/7
if (strlen($string) != 0 && preg_match('/^./us', $string) !== 1) {
  // Convert to UTF-8 if it isn't already (assuming input was "Western" cp1252/ISO).
  $string = @iconv('Windows-1252', 'UTF-8//IGNORE', $string);
}

現在$string保證是一個有效的UTF-8編碼字符串。 然后，只允許單字節“擴展ASCII”（拉丁語-1和cp1252提供的補充），並以區域設置感知方式音譯類似字符：

// Ensure the locale is right for our iconv() operations.
// This establishes how transliteration will determine the appropriate destination character(s).
setlocale(LC_CTYPE, 'en_US.UTF-8');
$string = iconv('utf-8', 'CP1252//TRANSLIT//IGNORE', $string);

此時$string將是一個cp1252，單字節表示字符串; 超出該范圍的任何內容將被音譯（如果可能）或丟棄。 您可以在此處使用REGEX進一步過濾，例如：

// Allow only printable characters (exclude control codes below \x20 [space char]),
// and only the Euro cp1252 character (\x80) and A-tilde (Ãã) characters (\xC3 and \xE3).
$filtered_string = preg_replace('[\x20-\x7F\x80\xC3\xE3]+', '', $string);

Answer 2

編輯：請看這個工作演示 。

來自！ 到ÿ

要檢查是否有任何不在 ASCII范圍內的字符，33到255非常容易。 只需使用此正則表達式：

`[^!-ÿ]`

這是一個否定的字符類，匹配任何不在之間的字符! 和ÿ 。 請注意，擴展的ASCII范圍取決於計算機的區域設置。 它應該適合你。

也不包括¶和‡

為了排除這些字符，我們可以將最初的否定類分解為三個范圍，以便在兩個新字符周圍留出空間：來自! 該字符前ˆ從字符之后ˆ字符前¶之后......從性格¶到ÿ 。

但是將兩個字符添加到自己的類中並使用OR連接它們會更清晰（並且更易於維護）。 你可以使用這個正則表達式：

`[ˆ¶]|[^!-ÿ]`

• 如果找到[ˆ¶]中的兩個字符中的任何一個，我們有一個匹配，OR |
• 如果角色不在!-ÿ范圍內。

要添加排除項，只需在第一個類中添加字符即可。

Answer 3

要檢測擴展的ASCII字符集，請使用：

$extended = preg_match('/[\x7f-\xff]/', $str );