Regex do usuwania znaków niealfanumerycznych ze znaków UTF8

Question

Jak usunąć znaki, takie jak znaki interpunkcyjne, przecinki, kreski itp. Z łańcucha znaków, w sposób bezpieczny dla wielu znaków?

będę pracował przy udziale wielu różnych językach, a ja zastanawiałem się, czy jest coś, co może mi pomóc z tym

Dzięki

Answer 1

Istnieją thingys klasa znaków Unicode, które można użyć:

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

Aby dopasować symbole inne niż literowe, można po prostu użyć \PL+, negacji z \p{L}. Aby nie usuwać spacji, użyj klasy charytatywnej, takiej jak [^\pL\s]+. Lub po prostu usunąć interpunkcja z \pP+

No i oczywiście nie zapomnij o modyfikatorze regex /u.

Answer 2

podobnym stanowisku

Remove non-utf8 characters from string

Nie jestem pewien, czy to dotyczy wszystkich znaków chociaż.

Według tego postu na forum th dreamincode

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

to powinno działać

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

Answer 3

Może to być przydatne?

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

Answer 4

użyłem to:

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