Regex để loại bỏ các ký tự không phải chữ và số từ các chuỗi UTF8

Question

Làm cách nào để xóa các ký tự, như dấu chấm câu, dấu phẩy, dấu gạch ngang, vv từ một chuỗi, theo cách an toàn nhiều byte?

tôi sẽ làm việc với đầu vào từ nhiều ngôn ngữ khác nhau và tôi tự hỏi nếu có một cái gì đó có thể giúp tôi với điều này

Cảm ơn

Answer 1

Có những thingys lớp ký tự unicode mà bạn có thể sử dụng:

• http://www.regular-expressions.info/unicode.html
• http://php.net/manual/en/regexp.reference.unicode.php

Để khớp với bất kỳ ký hiệu không phải chữ cái nào bạn chỉ có thể sử dụng \PL+, sự phủ định của \p{L}. Để không xóa dấu cách, hãy sử dụng một lớp con như [^\pL\s]+. Hoặc thực sự chỉ cần xóa dấu chấm câu với \pP+

Vâng, và rõ ràng là đừng quên regex /u công cụ sửa đổi.

Answer 2

bài tương tự

Remove non-utf8 characters from string

Tôi không chắc chắn nếu điều này bao gồm tất cả các nhân vật mặc dù.

Theo bài đăng này trên diễn đàn dreamincode thứ

http://www.dreamincode.net/forums/topic/78179-regular-expression-to-remove-non-ascii-characters/

này nên làm việc

/[^\x{21}-\x{7E}\s\t\n\r]/ 

Answer 3

Có lẽ đây sẽ là hữu ích?

$newstring = preg_replace('/[^0-9a-zA-Z\s]/', $oldstring); 

Answer 4

Tôi sử dụng này:

$clean = preg_replace("/[^\p{L}|\p{N}]+/u", " ", $raw); 
$clean = preg_replace("/[\p{Z}]{2,}/u", " ", $clean);